要約
特定の側面に関する人々の意見や感情を分析することは、自然言語理解における重要な課題である。本稿では、常識知識を活用することで、側面ベース感情分析とターゲット指向感情分析の両方の課題に取り組む新しいアプローチを提案する。本手法では、ターゲットレベルの注目メカニズムと文レベルの注目メカニズムから構成される階層的注目機構を、長短期記憶ネットワーク（LSTM）に拡張する。感情関連概念に関する常識知識を、感情分類を目的とした深層ニューラルネットワークのエンドツーエンド学習に組み込む。さらに、再帰的エンコーダーに常識知識を緊密に統合するため、LSTMの拡張版として「Sentic LSTM」と呼ばれるモデルを提案する。公開されている2つのデータセットを用いた実験の結果、提案する注目構造とSentic LSTMの組み合わせが、ターゲット指向側面感情分析タスクにおいて、既存の最先端手法を上回ることを示した。