要約
Aspect-based Sentiment Analysis (ABSA) は、アスペクト項、それらに対応する感情極性、および意見項を特定することを目指しています。ABSA には7つのサブタスクが存在します。多くの研究ではこれらのサブタスクの部分集合にのみ焦点を当てており、これにより複雑な ABSA モデルが多数提案されていますが、統一的なフレームワークでこれらのサブタスクを解決することは困難でした。本論文では、各サブタスクの目標をポインタインデックスと感情クラスインデックスの混合シーケンスとして再定義し、すべての ABSA サブタスクを統一された生成形式に変換しました。この統一形式に基づいて、事前学習済みのシーケンス・ツー・シーケンスモデルである BART を利用して、すべての ABSA サブタスクをエンドツーエンドのフレームワークで解決することを試みました。4つの ABSA データセットにおける7つのサブタスクに関する広範な実験結果から、当方のフレームワークは大幅な性能向上を達成し、全体的な ABSA サブタスクに対する真に統一されたエンドツーエンドのソリューションを提供することが示されました。これは複数の課題に貢献する可能性があります。