要約
Aspect-Target Sentiment Classification（ATSC）は、Aspect-Based Sentiment Analysis（ABSA）のサブタスクであり、電子商取引など多くの分野で応用されています。レビューからのデータや洞察を活用することで、企業と顧客に価値を創出することが可能です。最近、深層転移学習手法が自然言語処理（NLP）のさまざまなタスクに成功裏に適用され、ATSCもその対象となっています。著名なBERT言語モデルを基盤として、私たちはATSCに対して2段階の手順を採用しました：自己監督型ドメイン固有のBERT言語モデルの微調整（フィネットーニング）、その後に監督型タスク固有の微調整を行います。ドメイン固有の言語モデル微調整を最適に行う方法に関する研究成果により、SemEval 2014 Task 4 レストランデータセットにおいて新たな最先端の性能を達成することができました。さらに、モデルの実世界での堅牢性を探るため、クロスドメイン評価を行いました。クロスドメイン適応されたBERT言語モデルがvanilla BERT-baseやXLNet-baseなどの強力なベースラインモデルよりも著しく優れた性能を示すことを確認しました。最後に、予測誤差の解釈を行うためにケーススタディを行いました。