GRACE：アスペクトベースセンチメント分析のための勾配調和型および段階的ラベル付け

本稿では、感情分析における観点語抽出（aspect term extraction）および観点感情分類（aspect sentiment classification）をシーケンスラベリングタスクとして扱う際、極めて少ない研究が注目している「ラベル不均衡問題」に焦点を当てる。さらに、従来の研究では、観点語間の相互作用を無視しがちである。この問題を解決するために、GRadient hArmonized and CascadEd labeling model（GRACE）を提案する。具体的には、観点語間の相互作用を強化し、感情ラベル付け時の感情トークンへの注目度を向上させるため、段階的（cascaded）ラベリングモジュールを構築した。感情ラベルシーケンスは、生成された観点語ラベルに依存するように設計されている。ラベル不均衡の緩和のため、物体検出で用いられる勾配調和機構（gradient harmonized mechanism）を拡張し、各ラベルの重みを動的に調整する手法を、観点ベース感情分析に適用した。提案モデルGRACEは、事前学習済みBERTをバックボーンとして採用している。実験結果から、複数のベンチマークデータセットにおいて一貫した性能向上が確認され、最先端（state-of-the-art）の結果を達成することが示された。