要約
近年、感情分析の一分野であるアスペクトベース感情分析（ABSA）に注目が集まっている。既存の多くは、分類ネットワークをタスク固有に設計することでABSAを判別的（discriminative）なアプローチで取り組んでいる。これらの手法は効果的であるものの、ABSA問題に内在する豊かなラベル意味情報を無視しており、大量のタスク固有のモデル設計を必要としている。本論文では、さまざまなABSAタスクを統一的な生成的（generative）枠組みで扱う手法を提案する。各ABSAタスクをテキスト生成問題として定式化することで、アノテーションスタイルと抽出スタイルの2種類のモデリングパラダイムを設計し、学習プロセスを可能にした。複数のベンチマークデータセット上で4つのABSAタスクに対して実験を行った結果、提案手法はほぼすべてのケースで新たな最良の性能を達成した。これにより、本研究で提案するフレームワークの高い汎用性が裏付けられ、追加のタスク固有のモデル設計なしに任意のABSAタスクに容易に適応可能であることが示された。