SemEval-2026 タスク 2 参加システム「UKP_Psycontrol」の技術的概要

本論文は、SemEval-2026 タスク 2「生態学的エッセイからの時間的変化を伴う感情価（Valence）と覚醒度（Arousal）の予測」に対する UKP_Lab（ダルムシュタット工科大学）とマールブルク大学精神医学制御システム研究室の共同研究成果を報告したものです。チームは、時系列に並んだユーザー生成テキストから「現在の感情」と「短期的な感情変化」をモデル化するタスクに対し、3 つの異なるアプローチを提案し、両サブタスクで公式リーダーボードにおいて1 位を獲得しました。

以下に、問題設定、手法、主要な発見、結果、および意義について詳細をまとめます。

1. 問題設定と背景

SemEval-2026 タスク 2 は、従来の感情分析が外部評価者によるラベル付けやセンチメントの代理指標に依存していたのに対し、自己報告された主観的な感情の時系列データを扱う点に特徴があります。

• データ: 米国のサービス業従事者が数年にわたり記した「気分はどうですか？」への回答（自由記述エッセイまたは感情語のリスト）と、それに対応する自己評価された感情価（0-4）および覚醒度（0-2）のスコア。
• サブタスク 1（縦断的評価）: 時系列の各テキストに対して、その時点での感情価と覚醒度を予測する。
• サブタスク 2A（将来変化の予測）: 過去のテキストと感情状態から、次のステップにおける感情価・覚醒度の変化（$\Delta$）を予測する。

2. 提案手法（3 つのアプローチ）

チームは、大規模言語モデル（LLM）の推論能力、確率論的モデルの構造、およびニューラル回帰の適応性を組み合わせた 3 つの手法を探索しました。

2.1 LLM ベースのプロンプティング

• モデル: GPT-OSS 120B（実験用）および GPT-5（最終提出用）。
• 戦略:
  • ユーザー非依存（User-agnostic）: 異なるユーザーからのバランスの取れた例を提示し、バッチ処理を行う。
  • ユーザー依存（User-aware）: 特定のユーザーの時系列履歴を提示し、個人の表現パターンに適応させる。
  • 出力形式: 感情ラベルを生成してから数値に変換する方法と、直接数値を予測する方法を比較。実験では、自然言語の感情記述を生成し、後で数値にマッピングする方が安定した結果を示しました。
  • 動的更新: 直近の N 個の例（最大 15）をスライドウィンドウで保持し、新しい予測で古い例を置き換える戦略も試しましたが、誤差の蓄積により固定ショットの方が優位でした。

2.2 Ising 相互作用を備えた最大エントロピー（MaxEnt）モデル

• 概念: 感情状態をエネルギー面上の確率分布としてモデル化し、状態間の構造的な依存関係（Ising モデル風のペア相互作用）を学習します。
• 実装:
  • 感情状態（離散値）と、LLM によって生成された意味的バイナリベクトル（感情クラスタ）を結合した状態ベクトルを定義。
  • 状態空間が離散かつ限定されているため、分配関数を正確に計算し、最尤推定を行いました。
  • 推論時には、学習された同時分布から条件付き期待値を計算し、連続値を出力します。

2.3 軽量ニューラル回帰モデル（サブタスク 2A 向け）

• 目的: 短期的な感情変化（$\Delta$）を予測する。
• 入力特徴量:
  • 直近のテキスト埋め込み（RoBERTa-base）。
  • 現在の感情価・覚醒度、前回の状態変化。
  • 学習可能なユーザー埋め込み（個人の動的特性を捉える）。
• 発見: テキスト特徴量よりも、数値的な状態の軌道（直近のスコアと変化量）とユーザー埋め込みの方が予測に寄与することが判明しました。

3. 主要な結果と知見

3.1 評価結果

• サブタスク 1: 25 チーム中 1 位。
  • 覚醒度予測で最上位、感情価予測でも 6 位。
  • 最終提出システムは、GPT-5 を使用した「ユーザー依存」と「ユーザー非依存」の最良設定の組み合わせでした。
• サブタスク 2A: 14 チーム中 1 位。
  • 覚醒度・感情価ともにトップクラス。
  • 回帰モデル（数値軌道ベース）がベースラインを大きく上回りました。

3.2 重要な技術的知見

1. LLM の強み: 静的なテキストからの感情抽出（特に感情価）において、LLM は人間のアノテーションと強く相関し、確率論的モデルや従来のベースラインを凌駕しました。
2. 短期的変化の決定要因: 短期的な感情変化（特にサブタスク 2A）は、テキストの意味内容よりも、直近の数値的な状態軌道（過去のスコアと変化量）によって強く説明されることが示されました。
3. ユーザー依存の重要性: ユーザーごとの表現パターンを学習する「ユーザー依存」プロンプトは、特に感情価の予測において、ランダムな例を用いた「ユーザー非依存」よりもわずかに優位でした。
4. テキスト特徴の限界: 感情変化の予測においては、テキスト埋め込みや意味クラスタよりも、単純な数値時系列データとユーザー埋め込みの方が予測信号としてクリーンで効果的でした。

4. 意義と限界

意義

• 主観的感情のモデル化: 外部評価者ではなく、自己報告データに基づく感情分析の新しい基準を確立しました。
• ハイブリッドアプローチの成功: LLM の言語理解能力と、時系列データに特化した軽量回帰モデル/確率モデルを組み合わせることで、異なるタスク特性（静的評価 vs 動的予測）に最適化されたシステムを構築しました。
• 臨床的洞察: 短期的な感情変動は数値的な軌道に依存しやすく、長期的な傾向とは異なるメカニズムを持つ可能性を示唆しています。

限界と今後の課題

• データのスパン: データの 92% が 2 週間の期間に限定されており、長期的な精神状態の緩やかな変動（数週間〜数ヶ月スケール）への一般化性は不明です。
• LLM の依存: 最終提出でプロプライエタリな LLM（GPT-5）を使用したため、再現性やプライバシー、データガバナンスの観点から課題が残ります。
• 評価の不安定性: サブタスク 2A のテストセットサイズが小さく（46 件）、わずかなデータ変動でスコアが大きく変動する可能性があります。

結論

本システムは、時系列テキストからの感情分析において、LLM が静的な感情抽出に優れている一方、短期的な変化予測には数値的な状態軌道とユーザー固有の特性を捉える回帰モデルが有効であることを実証しました。この知見は、デジタルメンタルヘルスや生態学的瞬間的評価（EMA）における AI モデルの設計指針として重要な示唆を与えています。