CONTRASTE: アスペクトベースのプロンプトを使用した教師あり対照的前学習によるアスペクト感情トリプレット抽出

既存のアスペクト感情トリプレット抽出（ASTE）に関する研究は、タスクに対するより効率的なファインチューニング技術の開発に明確に焦点を当てています。一方、我々の動機は、複数のABSAタスクの下流性能を同時に向上させる一般的なアプローチを開発することです。この目的に向けて、我々はCONTRASTEを提案します。これは、コントラスティブ学習を使用してASTE性能を向上させる新しい事前学習戦略です。主にASTEに焦点を当てる一方で、我々は提議した技術がACOS、TASD、AESCなどの他のABSAタスクにおいても優位性を持つことを示しています。文とその関連する（アスペクト、意見、感情）トリプレットが与えられた場合、まずアスペクトに基づいたプロンプトを設計し、対応する感情がマスクされます。次に、デコーダーによって生成されたマスクされた項のアスペクト認識感情表現に対してコントラスティブ学習を適用することでエンコーダー-デコーダーモデルを（事前）学習します。得られたモデルの重みをファインチューニングするために、我々は新たなマルチタスクアプローチを提案します。ここではベースとなるエンコーダー-デコーダーモデルに2つの補完的なモジュールであるタギングベースの意見語検出器と回帰ベースのトリプレット数推定器を組み合わせます。4つのベンチマークデータセットにおける包括的な実験と詳細な削減研究により、我々が提案した各コンポーネントの重要性が確認され、新しい最先端のASTE結果が達成されました。