Core Concepts
グラフ注意ネットワークを用いて、入力クエリからアスペクトおよびオピニオン用語を効率的に抽出する。
Abstract
本研究では、グラフ注意ネットワーク(GAT)を用いてアスペクトおよびオピニオン用語の抽出を行う。アスペクトおよびオピニオン用語の抽出は、固有表現抽出と同様のトークンレベルの分類タスクとして定式化される。入力クエリの依存構造を追加の特徴量として、トークンおよび品詞特徴量とともにGATに入力する。依存構造が強力な特徴量であり、CRFレイヤーを加えることで大幅な性能向上が得られ、一般的に使用されるデータセットでベストな結果を生み出すことを示す。さらに、BiLSTMやTransformerなどの追加レイヤーを実験的に検討する。また、単一のアスペクトのみでなく、同一クエリ内に複数のアスペクトやセンチメントが存在する場合にも、提案手法が有効に機能することを示す。
Stats
入力クエリの依存構造は、アスペクトおよびオピニオン用語の抽出に強力な特徴量となる。
CRFレイヤーを加えることで、大幅な性能向上が得られる。
BiLSTMやTransformerなどの追加レイヤーを組み合わせることで、さらなる性能向上が可能である。
単一のアスペクトのみでなく、複数のアスペクトやセンチメントが存在する場合にも、提案手法は有効に機能する。
Quotes
"依存構造は強力な特徴量であり、CRFレイヤーを加えることで大幅な性能向上が得られる。"
"提案手法は、単一のアスペクトのみでなく、複数のアスペクトやセンチメントが存在する場合にも有効に機能する。"