要約
本稿では、複数のaspect sentiment classification（ASC）タスクの連続的学習（Continual Learning: CL）について研究する。文書センチメント分類に対するCL技術はいくつか提案されているが、ASCに対するCLに関する研究はこれまで知られていない。連続的に複数のASCタスクを学習するCLシステムは、以下の2つの課題を解決する必要がある。（1）過去のタスクで学習した知識を新たなタスクに転移させ、より優れたモデルの学習を支援すること、（2）過去のタスクに対するモデル性能を維持し、記憶の消失（フォーリング）を防ぐことである。本稿では、これらを解決するため、新しいキャプセルネットワークベースのモデルB-CLを提案する。B-CLは前向きおよび後向きの知識転移により、新たなタスクおよび既存のタスクにおけるASC性能を顕著に向上させる。B-CLの有効性は、広範な実験を通じて確認されている。