近年、アスペクトレベルのセンチメント分析分野において、アスペクトセンチメントクアド予測（ASQP）が注目されるタスクとなっている。従来の手法では、元の文を固定されたテンプレートを用いて再表現し、四つ組（アスペクトカテゴリ、アスペクト語、意見語、センチメント極性）として解釈可能な構造化シーケンスに変換するアプローチが採用されていた。このテンプレートは四つの要素を固定された順序で含むが、本研究では、ASQPタスクが本質的に順序に依存しない性質（order-free property）を持つことと矛盾していることに着目した。すなわち、四つ組が正しく抽出されれば、テンプレートの順序を固定する必要はない。この観察を受けて、テンプレートの順序が生成モデルの性能に与える影響を検討した結果、特定の順序がモデルの性能向上に寄与することが明らかになった。これは、異なる順序が四つ組に対して異なる視点を提供するためであると仮定される。そこで、最も適切なテンプレート順序を特定するシンプルかつ効果的な手法を提案し、複数の適切なテンプレートをデータ拡張（data augmentation）として統合することで、ASQPタスクの性能向上を図った。具体的には、事前学習済み言語モデルを用いてエントロピーが最小となる順序を選定する。この選定されたテンプレート順序を用いて事前学習モデルをファインチューニングすることで、四つ組予測の性能が向上し、特にリソースが限られた低リソース環境下において、最先端の手法を顕著に上回る結果を得た。