明示的な意見役割の相互作用を掌握する：統一された意見役割ラベリングのための構文支援ニューラル遷移システム

統一された意見役割ラベリング（Opinion Role Labeling: ORL）は、テキストが与えられた際に「意見保持者-対象」のすべての可能な意見構造を一括で検出することを目指しています。しかし、既存の遷移ベースの統一手法は、長い意見用語に対して脆弱であり、用語の重複問題を解決できていません。現在、最高性能はスパンベースのグラフモデルを用いることで達成されていますが、このモデルも高いモデル複雑さと意見および役割間での相互作用不足という課題に直面しています。本研究では、新たな解決策として遷移アーキテクチャを見直し、ポインターネットワーク（Pointer Network: PointNet）を追加することで改善を図りました。このフレームワークは線形時間複雑度で全ての意見構造を解析しつつ、PointNetにより任意の長さの用語に対する制約を克服します。さらに、明確な意見-役割相互作用を実現するため、統一依存関係-意見グラフ（Unified Dependency-Opinion Graph: UDOG）を提案しました。UDOGは文法的な依存関係構造と部分的な意見-役割構造を共にモデリングします。その後、多様な関係を持つUDOGを符号化するために関係中心のグラフ集約器（Relation-Centered Graph Aggregator: RCGA）を開発しました。RCGAによって得られる高次表現は、単純な遷移システムにおける予測精度向上に貢献します。我々のモデルはMPQAベンチマークにおいて新しい最先端結果を達成しました。分析結果はまた、効果性と効率性において我々の手法が優れていることを示しています。