核心概念
アスペクト感情の一貫性をモデル化するために、ローカル感情集約(LSA)というパラダイムを提案する。LSAは、差分加重感情集約ウィンドウを構築することで、アスペクト感情の一貫性をモデル化する。
要約
本研究では、アスペクト感情の一貫性(coherency)という概念に着目している。アスペクト感情の一貫性とは、隣接するアスペクトが同様の感情を表す傾向のことを指す。
まず、アスペクト感情クラスタリングという課題を定式化し、その課題の難しさを説明している。次に、ローカル感情の一貫性に着目し、ローカル感情集約(LSA)というアプローチを提案している。LSAでは、アスペクトの局所的な感情情報を抽出し、差分加重感情集約ウィンドウを構築することで、アスペクト感情の一貫性をモデル化する。
LSAには3つのバリアントがあり(LSAP、LSAT、LSAS)、それぞれ異なるアスペクト特徴表現を使用している。実験の結果、LSAはアスペクト感情クラスタリングと感情分類の両方で優れた性能を示すことが分かった。特に、DeBERTaベースのLSAEモデルが最高の成績を収めている。
さらに、LSAはアドバーサリアル攻撃に対する堅牢性も示している。これは、LSAがアスペクト感情の一貫性をうまくモデル化できているためだと考えられる。
統計
隣接するアスペクトは同様の感情を持つ傾向がある
実験データセットのアスペクト感情クラスタの統計を見ると、このような傾向が確認できる