要約
感情分析（SA）における細粒度化の社会的ニーズが高まる中、明示的なキーキーワードを含まない表現における陰性感情分析（ISA）は、大きな課題となっている。これは、感情がどのように引き起こされたかを正確に理解し、その結果としての陰性感情を判断するための信頼性の高い推論を必要とする。大規模言語モデル（LLM）の時代において、エンコーダ・デコーダ型（ED）LLMは、多様なタスクにおいて優れたテキスト理解力と推論能力を発揮するため、SAアプリケーションの基盤モデルとして広く採用されている。一方、デコーダオンリー型（DO）LLMは、自然言語生成およびコンテキスト内学習（in-context learning）能力に優れており、その生成能力は非常に高い。しかし、その出力には誤解を招く、あるいは不正確な情報が含まれるリスクがある。本研究では、信頼性の高い推論を用いて陰性感情を正確に同定するため、DO LLMの生成能力とED LLMの推論能力を活用した二段階推論フレームワーク「RVISA」を提案する。具体的には、感情要素を明示的に提示するための三段階推論プロンプト（three-hop reasoning prompting）を採用し、生成された推論根拠（rationales）を用いてED LLMを高度な推論モデルにファインチューニングする。さらに、推論学習の信頼性を確保するため、簡潔かつ効果的な検証メカニズムを構築した。提案手法は、2つのベンチマークデータセット上で評価され、ISAタスクにおいて最先端の性能を達成した。