Abstract
次元（Dimensional）観点ベース感情分析（DimABSA）は、従来のABSAをカテゴリ的な極性ラベルから連続的な価数（valence）・覚醒度（arousal）の回帰（VA）へ拡張します。本論文では、Track A - サブタスク1（Dimensional Aspect Sentiment Regression）向けに開発されたシステムを述べます。このシステムは、テキスト中で与えられた各観点（aspect）ごとに、[1, 9] の範囲の実数値VAスコアを予測することを目的としています。XLM-RoBERTa-baseに基づく微調整アプローチを採用し、入力を [CLS] T [SEP] a_i [SEP] の形で構成したうえで、価数と覚醒度の予測のためにシグモイドでスケーリングした出力を持つ二つの回帰ヘッドを学習します。各言語・領域の組み合わせ（レストラン、ラップトップ、金融の各ドメインにおける英語と中国語）ごとに別個のモデルを学習し、最終的なテスト予測のために学習セットと開発セットを統合します。開発実験では、微調整アプローチを、数ショット・プロンプト設定のもとで、GPT-5.2、LLaMA-3-70B、LLaMA-3.3-70B、LLaMA-4-Maverick を含む複数の大規模言語モデルと比較し、タスク特化の微調整が、評価用データセットすべてにおいて、これらのLLMベースの手法を実質的かつ一貫して上回ることを示しました。コードは https://github.com/tongwu17/SemEval-2026-Task3-Track-A で公開されています。
