要約
Aspect Sentiment Triplet Extraction (ASTE) は、ABSA の最新のサブタスクであり、アスペクト目標、それに関連する感情、および対応する意見語からなる三つ組を出力します。最近のモデルはエンドツーエンドで三つ組抽出を行いますが、各目標語と意見語の相互作用に大きく依存しています。そのため、複数の単語を含む目標や意見に対して十分な性能を発揮できません。我々が提案するスパンレベルアプローチは、予測時に目標と意見の全体的なスパン間の相互作用を明示的に考慮します。これにより、全体的なスパンの意味に基づいて予測を行うことができ、より良い感情の一貫性を確保できます。スパン列挙によって引き起こされる高い計算コストを軽減するために、Aspect Term Extraction (ATE) と Opinion Term Extraction (OTE) タスクからの監督を取り入れた二重チャネルスパンプルーニング戦略を提案します。この戦略は計算効率を向上させるだけでなく、意見と目標のスパンをより適切に区別することも可能にします。我々のフレームワークは ASTE だけでなく ATE および OTE タスクでも強力な性能を達成しています。特に、我々の分析では、多単語目標または意見を持つ三つ組に対してベースラインよりも大幅な改善が見られることを示しています。