エンドツーエンド指向ベース感情トリプレット抽出のための非自己回帰型エンコーダデコーダニューラルフレームワーク

Aspect-based sentiment triplet extraction（ASTE）は、テキストから「aspect term（観点語）」「opinion expression（意見表現）」「関連する感情極性（sentiment polarity）」の3つからなるジョイントトリプレットを抽出することを目的としている。このタスクは最近提案されたものであり、異なる視点から感情の全体像を描写することで、実世界の応用をより効果的に支援するものである。しかし、既存のASTE手法は、重複問題（overlapping issue）や長距離依存性（long-distance dependency）といった主要な課題を十分に解決できていないため、タスクの性能に制限が生じている。本論文では、エンドツーエンドのASTEを実現するための革新的なエンコーダデコーダフレームワークを提案する。具体的には、まずASTEタスクを順序なしトリプレット集合の予測問題として定式化し、ポインタネットワークを用いた非自己回帰的（nonautoregressive）デコーディング手法によりこれを実現する。第二に、観点語と意見表現の重複構造間の高次元相互作用を完全に統合するための新規な高次集約機構（high-order aggregation mechanism）を提案する。第三に、非自己回帰システムの学習を促進するため、二部マッチング損失（bipartite matching loss）を導入する。標準データセットにおける実験結果から、提案フレームワークが最先端手法を顕著に上回ることが示された。さらに、詳細な分析により、本フレームワークが重複問題の処理、長距離依存性の緩和、デコーディング効率の向上において優れた性能を発揮することが確認された。