要約
感情・原因ペア抽出は、与えられた文書から感情節とその原因節のすべてのペアを抽出することを目的とする。従来の手法は二段階アプローチを採用しており、第一段階で感情節と原因節を別々に抽出し、第二段階で分類器を用いて否定的なペアをフィルタリングする。しかし、このようなパイプライン形式の感情・原因ペア抽出システムは、誤差伝播の問題に直面し、二段階間の相互適応性が不十分であるため、最適ではない。本研究では、感情・原因ペア抽出をランキングの観点から捉え、文書内の節ペア候補をランキングすることで、エンドツーエンド抽出を実現する一ステップ型ニューラルアプローチを提案する。本手法は、グラフアテンションを用いて文書内の節間の相互関係をモデル化し、節の表現を学習する一方で、カーネルベースの相対位置埋め込みを導入して節ペアの表現を強化し、効果的なランキングを実現する。実験結果から、本手法は現在の二段階システムを顕著に上回ることが示され、特に1文書内で複数のペアを抽出する状況において優れた性能を発揮することが明らかになった。