要約
Aspect Sentiment Triplet Extraction (ASTE) は、レビュー文からアスペクト項、感情、および意見項の三つ組を抽出することを目指す新しい細かい粒度の感情分析タスクです。最近、スパンレベルのモデルがすべての可能なスパンの予測を利用することで ASTE タスクにおいて満足すべき結果を達成しています。しかし、すべての可能なスパンが潜在的なアスペクトと意見候補の数を大幅に増加させるため、それらの中から効率的に三つ組要素を抽出することは重要かつ困難な課題となっています。本論文では、すべての可能なスパンを入力として利用し、スパンから双方向に三つ組を抽出するスパンレベルの双方向ネットワークを提案します。具体的には、アスペクトデコーダと意見デコーダの両方を開発し、スパン表現をデコードしてアスペクトから意見への方向と意見からアスペクトへの方向で三つ組を抽出します。これらの2つのデコーダが互いに補完することで、全体的なネットワークはスパンからより包括的に三つ組を抽出できます。さらに、スパン間での相互排他的性が保証できないことを考慮し、類似スパン分離損失という損失関数を設計しました。これにより訓練過程で類似スパン間のKLダイバージェンス（Kullback-Leibler divergence） を拡大し、正解スパンを見分ける下流タスクを容易にします。推論過程では、信頼度に基づいて対立する三つ組を取り除く推論戦略を採用しています。実験結果は、我々のフレームワークが最新手法に対して著しく優れた性能を示すだけでなく、複数トークンエンティティを持つ三つ組の予測や多様な三つ組が含まれる文からの三つ組抽出においても更好的な性能を達成していることを示しています。