要約
我々は、感情分析の観点レベル分類に向けた新しい多粒度アテンションネットワーク（MGAN）モデルを提案する。従来の手法は主に粗粒度アテンション機構を採用しているが、観点（aspect）が複数語から構成される場合や、より広い文脈を含む場合、情報損失が生じる可能性がある。そこで、観点と文脈の間の単語レベルでの相互作用を捉えられる細粒度アテンション機構を提案し、さらにその細粒度アテンションと粗粒度アテンションを組み合わせてMGANフレームワークを構築した。また、従来の研究が各観点をその文脈と個別に学習するのに対し、同一文脈を持つ複数の観点間の観点レベルでの相互作用を表現するため、観点アライメント損失（aspect alignment loss）を設計した。提案手法は、SemEval 2014のラップトップおよびレストランデータセット、およびツイッターからのデータセットの3つのデータセット上で評価された。実験結果から、MGANはすべてのデータセットにおいて最先端の手法を一貫して上回ることが示された。さらに、観点アライメント損失の有効性を検証する実験を行った結果、観点レベルの相互作用が追加の有用な情報を提供し、性能のさらなる向上に寄与することが明らかになった。