本論文は、特徴カテゴリ検出(Aspect Category Detection: ACD)のための新しい監視付き段階的機械学習(Gradual Machine Learning: GML)アプローチを提案している。
まず、最先端の深層学習ベースのACD手法を用いて、文章間の意味的関係を抽出する。具体的には、同一カテゴリに関連する文章は潜在空間上で近接するという性質を利用し、k-nearest neighborhoodに基づいて類似関係を特定する。さらに、BERTベースの二値分類モデルを構築し、任意の2つの文章がある特定のカテゴリに関して「類似」または「対照」の関係にあるかを判定する。
これらの意味的関係を因子グラフ上でモデル化し、段階的学習プロセスに組み込むことで、ラベル付きデータが少ない状況でも効果的に知識を伝達できるようにする。
実験の結果、提案手法は既存の最先端手法と比べて、SemEval 2014、SemEval 2016、MAMS、SentiHoodのベンチマークデータセットにおいて、一貫して最高の性能を達成することが示された。特に、F1スコアで1.5%から2%の大幅な改善が確認された。これは、ACD問題における重要な進歩と言える。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Murtadha Ahm... at arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05245.pdfDeeper Inquiries