オンライン議論におけるGated Attention Networkを用いたリンク予測

抄録

時間や空間的な制限を受けずに参加できるオンライン議論は、従来の対面で行われる議論に比べて遙かに多くの人を集めることが出来る。議論が収束して結論に辿り着くためには司会者の存在によるところが大きいが、このように大規模化したオンライン議論において、人間がその役割を果たすことは難しい。そこで、司会進行を行い議論を適切に導いていくことができる自動ファシリテーションエージェントが必要になる。本研究では、このエージェントの実現に必要なサブタスクの１つである議論のリンク予測におけるGated Attention Network(GaAN)を採用した手法を提案する。提案手法では、議論を木構造のグラフとして捉え、各意見の特徴量とその接続関係をGaANを採用した深層学習で直接学習させている。このとき、意見の特徴量とはBidirectional Encoder Representations from Transformers(BERT)によって得られる各意見の分散表現である。評価実験を通して、本手法がリンク予測において従来の手法よりも高い精度を実現できることが示された。