プロトタイプ正則化付きフェデレーテッドラーニングによるドメイン横断アスペクト感情トリプレット抽出

arXiv cs.CL / 2026/4/13

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、単一データセットでの学習に起因する限界と、ドメイン間で共有される表現を捉えられないという課題に着目した、ドメイン横断アスペクト感情トリプレット抽出手法を提案する。
分散クライアントが、プライバシー制約を考慮してモデル全パラメータではなくクラスレベルのスパン・プロトタイプを交換できる、プロトタイプ正則化付きフェデレーテッドラーニングの枠組み（PCD-SpanProto）を提案する。
重み付きで性能を考慮した集約戦略と、ドメイン不均一性下でグローバル・プロトタイプを改善するための対照的正則化モジュールを含む。
4つのASTEデータセットでの実験により、本手法は既存のベースラインを上回りつつ通信コストを低減でき、フェデレーテッド制約下で効果的なドメイン横断の知識移転が行えることを示している。