生成から修正へ：アスペクト感情クアッド予測のための単発グローバル補正

概要: アスペクトベースの感情分析（ABSA）は、ユーザー生成テキストからアスペクトレベルの感情信号を抽出し、製品分析、体験のモニタリング、世論の追跡を支援し、細粒度の意見マイニングの要となる。ABSAの重要な課題は、ASQP（アスペクト感情クアッド予測）であり、4つの要素を特定することを要求します。すなわち、アスペクト語（用語）、アスペクトカテゴリ、意見語、および感情極性です。しかし、既存の研究は通常、順序付けられていないクアッド集合を固定順序のテンプレートに線形化し、それを左から右へデコードします。教師強制訓練により、訓練と推論の間のミスマッチ（露出バイアス）が生じ、初期のプレフィックス誤りが後の要素へ伝播します。線形化の順序は、プレフィックス内でどの要素がより早く現れるかを決定するため、この伝播は順序依存となり、単一パスで修復することは困難です。これに対処するため、Generate-then-Correct（G2C）という手法を提案します。ジェネレーターがクアッドをドラフトし、コレクターが単発のシーケンスレベルのグローバル訂正を行い、共通の誤りパターンを持つLLMが合成したドラフトに基づいて訓練されます。Rest15およびRest16データセット上で、G2Cは強力なベースラインモデルを上回ります。