要約
Aspect-Based Sentiment Analysis (ABSA)は、詳細なアスペクトレベルの感情情報を提供することを目指しています。ABSAには多くのタスクが存在し、現在の主流は各タスクに特化したモデルを訓練することです。しかし、ABSAタスクの応用シナリオはしばしば多様であり、この解決策は通常、各タスクから大量のラベル付きデータを必要とします。これらの専用モデルは個別に訓練され、個別に予測されるため、タスク間の関係性が無視されます。これらの問題に対処するため、私たちはUnifiedABSAという多目的ABSAフレームワークを提案します。これは、マルチタスク指示調整に基づいており、様々なタスクを統一的にモデル化し、マルチタスク学習によってタスク間の依存関係を捉えることができます。2つのベンチマークデータセットを用いた広範な実験により、UnifiedABSAが11のABSAタスクで専用モデルを大幅に上回り、データ効率性においてその優位性を示すことが確認されました。