要約
Aspect-Sentiment Triplet Extraction (ASTE) は、与えられた文から (アスペクト句, 意見句, 感情極性) の三つ組を抽出するという、最近提案されたアスペクトベースの感情分析のタスクです。最新の最先端手法では、このタスクを、まず与えられたテキストからすべての可能なテキストスパンを抽出し、次に分類器を使用して潜在的なアスペクト句と意見句をフィルタリングし、最後にそれらのペアを別の分類器で考慮し、さらに感情極性を割り当てるという方法で処理しています。これまでにいくつかのバリエーションが提案されていますが、共通の特徴は最終結果が一連の独立した分類器決定によって構築されることです。これにより、抽出されたフレーズ間の依存関係の活用が阻害され、分類器予測間の相互関係に関する知識を利用した性能向上が困難となります。本論文では、フレーズ間および最終的な分類器決定間の依存関係をモデル化できるようにする新しい ASTE アプローチとして、3つのトランスフォーマーに基づいた層から構成される方法を提案します。実験結果は、この手法が人気のあるベンチマークで他の手法よりも高い F1 スコアを達成することを示しています。さらに、単純な事前学習技術がモデルの性能をさらに向上させることも示しています。