アスペクト項抽出におけるシーケンス・トゥ・シーケンス学習の探求

アスペクト語抽出（Aspect Term Extraction: ATE）は、文内のすべてのアスペクト語を特定することを目的としており、通常はシーケンスラベリング問題として定式化される。しかし、シーケンスラベリングに基づく手法は、文全体の全体的な意味を十分に活用できず、ラベル間の依存関係を処理する点で限界がある。これらの課題に対処するため、本研究ではまず、ATEをシーケンス・トゥ・シーケンス（Seq2Seq）学習タスクとして形式化することを検討した。ここで、入力シーケンスは語の列、出力シーケンスはラベルの列で構成される。同時に、ATEにおいてラベルが語に対して一対一に対応する特性を考慮し、デコーダに対応する語表現を組み込むためのゲート付きユニットネットワークを設計し、ターゲット語の隣接語に注目しやすいように位置に敏感なアテンション機構を導入した。2つのデータセットにおける実験結果から、提案するゲート付きユニットネットワークおよび位置に敏感なアテンション機構を用いたSeq2Seq学習が、ATEにおいて有効であることが示された。