SemEval-2026 タスク3におけるLogSigma：不確実性で重み付けする次元別アスペクトベース感情分析のマルチタスク学習

概要: 本論文では、SemEval-2026 Task 3: 次元に基づくアスペクトベースの感情分析（DimABSA）のための当社のシステムLogSigmaについて述べる。離散的な感情ラベルを予測する従来のアスペクトベース感情分析（ABSA）とは異なり、DimABSAでは、1〜9スケール上で連続値のValence（快-不快）とArousal（覚醒度）のVAスコアを予測する必要がある。主要な課題は、ValenceとArousalが、言語およびドメインごとに予測の難しさが異なる点にある。我々は学習された同分散的（homoscedastic）不確実性を用いてこの問題に対処する。すなわち、モデルがタスク固有の対数分散パラメータを学習することで、学習中に各回帰目的を自動的にバランスする。さらに、言語ごとのエンコーダとマルチシードによるアンサンブルを組み合わせることで、LogSigmaは両トラックにおいて5つのデータセットすべてで第1位を達成した。学習された分散の重みは、Valence-Arousalの難しさプロファイルの違いにより、言語間で大きく変動する――ドイツ語では0.66xから英語では2.18xまでである。これは、最適なタスクのバランスが言語に依存し、事前に決定することができないことを示している。