SSAS：Syntactic & Semantic Context Assessment Summarization による感情予測の一貫性分析

要旨: 感情予測のような、信頼性の高いエンタープライズ向け分析に大規模言語モデル（LLM）を用いる際の根本的な課題は、LLM本来の確率的性質（生成的で非決定的な性質）と、分析において一貫性が求められるという要件との衝突です。LLMの一貫性の欠如に加えて、混沌とした現代のデータセットが持つノイズの多さが相まって、感情予測は戦略的なビジネス判断に対してあまりにも変動が大きくなります。これを解決するために、文法・意味コンテキスト評価要約（Syntactic & Semantic Context Assessment Summarization; SSAS）という枠組みを提示し、コンテキストを確立します。SSASによって確立されたコンテキストは、LLMに対して上限付きの注意（attention）メカニズムを強制する、洗練されたデータ前処理の枠組みとして機能します。これは、階層的な分類構造（テーマ、ストーリー、クラスタ）と、反復的な要約同士の要約（Summary-of-Summaries; SoS）に基づくコンテキスト計算アーキテクチャを適用することで実現します。これにより、生のテキストには、無関係なデータと分析上のばらつきの双方を効果的に抑える、高い信号対ノイズ比を持ち、感情が密に含まれたプロンプトが付与されます。
我々は、Gemini 2.0 Flash Liteを用いて、3つの業界標準データセット――Amazon Product Reviews、Google Business Reviews、Goodreads Book Reviews――および複数のロバスト性シナリオにおいて、直接LLMアプローチとの比較でSSASの有効性を実証的に評価しました。その結果、我々のSSAS枠組みは、ノイズ除去と感情予測の推定精度の改善の組み合わせにより、データ品質を最大30%まで大幅に向上させることが可能であることが示されました。最終的に、コンテキスト推定能力の一貫性が意思決定のための安定した信頼できる根拠となります。