Aspect Sentiment Triplet Extraction (ASTE) は、与えられたコーパスから感情三項を共抽出することを目指しています。既存の事前学習-微調整パラダイムにおけるアプローチは、複雑なタギングスキームと分類ヘッドを慎重に設計するか、外部の意味的強化を組み込むことで性能向上を図る傾向があります。本研究では、初めてこれらのタギングスキームの冗長性と事前学習済み表現の内部強化を見直し評価しました。私たちは、ミニマリスト的なタギングスキームと新しいトークンレベルのコントラスト学習戦略を統合することで、事前学習済み表現の改善と利用方法を提案します。提案された手法は、最先端技術と同等またはそれ以上の性能を示すとともに、よりコンパクトな設計と計算負荷の軽減という特徴を持っています。さらに、私たちは初めて GPT-4 の少ショット学習および思考連鎖シナリオにおける性能を公式に評価しました。結果は、大規模言語モデル時代においても事前学習-微調整パラダイムが非常に効果的であることを示しています。