Aspect-based sentiment analysis（アスペクトベースの感情分析）は、自然言語の文章からアスペクト用語とそれに対応する感情をリスト化します。このタスクは通常、パイプライン方式で行われ、まずアスペクト用語の抽出が行われ、その後に抽出されたアスペクト用語に対する感情予測が行われます。開発しやすい一方で、このような手法は2つのサブタスクからの共通情報を十分に活用せず、ドキュメントレベルのラベル付き感情コーパスなどの有用な学習情報源をすべて利用していないという問題があります。本論文では、トークンレベルおよびドキュメントレベルで同時に複数の関連タスクを共同で学習できるインタラクティブマルチタスク学習ネットワーク（IMN: Interactive Multi-Task Network）を提案します。従来のマルチタスク学習方法とは異なり、IMNは共有される潜在変数を通じて異なるタスク間に情報を反復的に伝達するメッセージ伝達アーキテクチャを導入しています。実験結果は、提案手法が3つのベンチマークデータセット上で複数のベースラインに対して優れた性能を示すことを証明しています。