エフェクティブなアテンションモデリングによるアスペクトレベルセンチメント分類

アスペクトレベルのセンチメント分類は、レビュー文における特定の意見対象（オピニオンターゲット）に対するセンチメント極性を特定することを目的としている。一つの文には複数のセンチメント－ターゲットペアを含むことがあり、このタスクの主な課題は、異なるターゲットに対してそれぞれ異なる意見文脈を適切に分離することにある。これに対して、従来の最先端のニューラルモデルでは、アテンション機構が重要な役割を果たしてきた。この機構は、文脈語とターゲット間の意味的関連性をモデル化することで、各文脈語がターゲットに対してどれほど重要であるかを捉えることができる。本研究はこの研究路線を踏襲し、アテンション機構の有効性を向上させるための2つの新規アプローチを提案する。第一に、意見対象の意味的意味をより適切に捉えるターゲット表現手法を提案する。第二に、構文情報（syntactic information）をアテンション機構に組み込むアテンションモデルを導入する。これらの手法は、SemEval 2014、2015、2016のデータセットを用いて、アテンションベースのLSTM（Long Short-Term Memory）モデル上で実験された。実験結果から、従来のアテンションベースのLSTMモデルは、本研究で提案する2つのアプローチを組み込むことで、顕著に性能向上が達成されたことが示された。