- …
- …
#76 #acl2020
summarized by : taichi murayama
概要
Aspect ExtractionとSentiment Analysisが組み合わさったAspect-based sentiment analysis (ABSA)のタスクにおいて，これまでの既存モデルでは構文情報が活用されていない，Aspect wordsとContext wordsの関係を上手く捉えきれていないといった問題があった．
上記の問題に取組むために，BERTなどのContextualized Pre-training Language modelと，Dependency embeddingやPOS embeddingを組み合わせたEnd-to-endのモデルを提案．
SemEval2014のデータセットでspect抽出，感情分類ともに比較手法よりも高い精度を達成．
新規性
対象となる語と周辺の語との関係を捉えるために，統語構造を活用することに着目して，dependency 距離を用いた重み付けを行うことで本タスクの精度改善を行った点．
大量のcomparative methodsやAblation modelsとの精度比較を行うことで本モデルの有用性について検証した点．
結果
SemEval-2014 Task4のデータセットを用いて検証した結果，Aspect抽出とAspect Sentiment分類の2つのタスクに比較手法よりも高い精度を達成．
特に，BERTなどのcontextualized pre-training LMだけを用いた結果と比較して，統語情報を考慮したモデルを作成することで大幅に精度向上を達成．（BERTなどのモデルでは不十分なタスクであることを明らかにした．）
- …
- …