要約
発話構造解析（Discourse Parsing）とセンチメント分析（Sentiment Analysis）は、自然言語処理分野における2つの基本的なタスクであり、互いに補完し合う効果が示されている。本研究では、これらの2つのタスクを共同で学習するための2つのニューラルベースモデルを設計・比較した。提案手法では、まず入力文のすべてのテキストセグメントに対してベクトル表現を生成する。次に、3つの異なる再帰型ニューラルネットワーク（Recursive Neural Net）を適用する：発話構造予測用、発話関係予測用、およびセンチメント分析用のネットワークである。最後に、これらのニューラルネットワークを2つの異なる統合モデル—マルチタスク学習（Multi-tasking）と事前学習（Pre-training）—に組み合わせる。2つの標準コーパスを用いた実験結果から、両手法とも各タスクにおいて性能向上を示したが、マルチタスク学習の方が事前学習よりもより顕著な効果をもたらした。特に発話構造解析において、対比関係（contrastive relations）の予測精度に顕著な改善が観察された。