[1Yin-B] Poster 2

[1Yin-B-28] Improving the Accuracy of Aspect-Based Sentiment Analysis Using the Knowledge-Augmented Model LUKE in Tourism Reviews

〇Naoya Hayashi¹, ShoicShoichi Urano¹ (1. Meiji university)

Keywords:

LUKE,Natural Language Processing,Machine Learning

観光ドメインの口コミデータは、特定の観光地名や施設名などの固有表現が頻出し、かつ評価対象（アスペクト）と感情表現の結びつきが複雑であるため、従来の一般的な事前学習モデルでは高精度な分析が困難であった。そこで本研究では、単語だけでなくエンティティに関する知識を大規模に学習した言語モデル「LUKE」を導入し、アスペクトベース感情分析（ABSA）の精度向上を図った。具体的には、LUKEを特徴抽出器として採用し、多ラベル分類モデルを構築した。また、各アスペクトのデータ量の偏りによる学習への悪影響を軽減するため、損失関数にクラス別の重み付けを導入した。さらに、学習の安定化と未知データへの汎化性能向上を目的として、正則化パラメータやドロップアウト率の最適化を行い、モデルの堅牢性を高めた。実験の結果、従来の日本語BERTモデルと比較して、特にF1値において有意な向上が確認された。本研究は、ドメイン特化型の感情分析において、知識拡張型モデルの導入と適切な学習戦略の組み合わせが極めて有効であることを示している。