InstructABSA: アスペクトベースの感情分析のための指示学習

Aspect-Based Sentiment Analysis（ABSA）のサブタスク向けの指示学習パラダイムであるInstructABSAを紹介します。当手法では、各訓練サンプルに肯定例、否定例、および中立例を導入し、モデル（Tk-Instruct）をABSAのサブタスクに対して指示調整することで、大幅な性能向上を達成しています。SemEval 2014, 2015, 2016データセットでの実験結果は、InstructABSAがTerm Extraction（ATE）、Sentiment Classification（ATSC）、Sentiment Pair Extraction（ASPE）のサブタスクにおいて従来の最先端（SOTA）アプローチを上回ることを示しています。特に、Rest14 ATEサブタスクでは5.69ポイント、Rest15 ATSCサブタスクでは9.59ポイント、Lapt14 AOPEサブタスクでは3.37ポイント上回り、7倍以上の規模を持つモデルを凌駕しています。また、AOOE、AOPE、AOSTEのサブタスクでも競争力のある結果を得ており、全てのサブタスクに対する強力な汎化能力が示されています。サンプル効率についても探求し、他の指示調整アプローチと同等の結果を得るのに50%の訓練データのみが必要であることが明らかになりました。最後に、指示の品質を評価したところ、誤った例を追加するとInstructABSAの性能が約10%低下することが観察されました。