アスペクトベースマスキングに基づくBARTを用いたセンチメント変換

抄録

テキストスタイル変換は生成テキストの属性を制御するタスクで様々な手法が盛んに提案されている。本研究ではレビューのセンチメント極性を変更するセンチメント変換を扱う。センチメント変換においては、変換されるべき語句は主にオピニオンターム等に限定される。そこで、アスペクトターゲットとオピニオンタームの共起性を基にアスペクトに着目したテキスト内変換箇所の細かな制御を目指し、ターゲットマスク,極性マスク等の特別なマスクトークンを用いたセンチメント変換器の学習方法を提案する。具体的には、アスペクトターゲット、オピニオンターム、極性によって構成されるtripletをもとにテキストにマスクを施しモデルへの入力とする。そして、事前学習済みBARTを、(1)エンコーダーのみを用いるmasked-language modeling、(2)エンコーダー、デコーダーを共に用いるdenoisingタスクの二つのステップでファインチューニングを行う。実験では、アスペクトベースセンチメント分析器を用い従来手法に対して提案手法は粒度の低い変換が可能であることを示す。