The Classics at SemEval-2026 Task 3: Combining Transformer Models and LLM-Generated Annotations for Dimensional Aspect-Based Sentiment Analysis

あなたは、ノートパソコンやレストランの食事といった製品に対して、人々がどのように感じているかを理解しようとしていると想像してください。従来のコンピュータプログラムは、信号機のようなものです。彼らは赤（ネガティブ）、黄（ニュートラル）、緑（ポジティブ）という3つの色しか見ていません。しかし、人間の感情はそれほど単純ではありません。時には「ほとんどは幸せだが、少しイライラしている」ということもあれば、「非常に激しい怒り」ということもあります。

この論文は、AI研究者のための大きなコンペティションであるSemEval-2026に向けて、あるチームが行った、よりスマートなシステムを構築する試みについて記述しています。彼らの目標は、単なる「信号機」のようなシステムを超えて、光の調光器（ディマー）や音のボリュームノブのように、連続的なスケールで感情を測定することでした。彼らは、2つの特定の「つまみ」に焦点を当てました。

1. バレンス（価数/Valence）: 感情がいかにポジティブか、あるいはネガティブか（「気分」）。
2. アローザル（喚起度/Arousal）: 感情がいかに強烈か、あるいは穏やかか（「エネルギー」）。

以下に、彼らがいくつかの独創的な比喩を用いて、2つの主要な課題にどのように取り組んだかを示します。

チャレンジ1：「サーモスタット」（サブタスク1）

目標: コンピュータに文章の特定の部分（例：「バッテリーの持ち」）を与え、「書き手はこのことについてどのように感じており、その強さはどの程度か？」と問いかけます。コンピュータは2つの数値（例：幸福度8.5、強烈さ7.2）を出す必要があります。

チームの戦略:

• アンサンブル（陪審員）: 単一のAIモデルに頼るのではなく、彼らはいくつかの異なるAIモデル（トランスフォーマーと呼ばれます）による「陪審員」を構築しました。各モデルに数値について投票させましたが、すべての投票を平等には扱いませんでした。最も練習を積み、優れた成績を収めたモデルに、より重みを置きました。これは、一人の医師に診断を仰ぐのではなく、専門家パネルに診断を求めるようなものであり、突拍子もない推測を防ぐことができます。
• ロシア語の「翻訳者」（LLMによる拡張）: ロシア語に関して、チームは標準的なモデルが微妙なニュアンスに少し混乱していることに気づきました。これを助けるために、彼らは非常に賢いAI（大規模言語モデル、またはLLM）を「翻訳者」または「コーチ」として使用しました。メインのモデルが数値を推測する前に、この賢いAIが、書き手がなぜそのように感じているのかを説明する短い記述的な文章を書きました（例：「書き手は非常に喜んでいるが、わずかに不安を感じている」）。彼らはこの説明を、追加のコンテキスト（文脈）としてメインのモデルに投入しました。これは、学生にテストの前にヒントを与えるようなものです。ヒントを与えることで、モデルは「雰囲気」をより良く理解でき、結果として数値予測の精度が向上しました。

チャレンジ2：「探偵」（サブタスク3）

目標: これはより困難でした。コンピュータはレビュー全体を読み、すべてを見つけ出さなければなりませんでした。トピックは何か？ カテゴリは何であるか？ 具体的な意見のフレーズは何か？ そして、それに対する2つの数値（気分と強烈さ）は何か？ これは、容疑者、凶器、動機、そして正確な犯行時刻を一度にすべて見つけ出さなければならない探偵のようなものです。

チームの戦略:

• 「ワンストップ・ショップ」（生成フレームワーク）: 通常、人々はこれをパイプラインを構築することで解決しようとします。ステップ1でトピックを見つけ、ステップ2で意見を見つけ、ステップ3で数値を推測するという具合です。チームは、これが「伝言ゲーム」を通じてメッセージを伝えるようなものであり、エラーが蓄積して最終的なメッセージが歪んでしまうことに気づきました。
• 代わりに、彼らは一度にすべてを行うように訓練された、単一の強力なAI（デコーダーLLM）を使用しました。彼らは、そのAIにテキストを読み、完全な答えを構造化された形式で即座に「書き出す」ように教えました。
• 驚き: チームは当初、これらの「ワンストップ・ショップ」型のAIは物語を書くのは得意だが、数学には不向きであると考えていました。そのため、「陪乗員」のアプローチ（チャレンジ1から）の方が数値を推測するのに適していると予想していました。しかし、彼らは「探偵」AIの方が、このタスクにおいて実際に優れていることを発見しました。このAIは、別の数学的なステップを必要とせずに、言葉を直接感情へと結びつけることを学習したのです。AIは、言葉の強烈さを、物語を理解することを通じて直接「感じる」ことができたのです。

結果

• 「サーモスタット」（サブタスク1）に対して: 彼らの「陪審員」アプローチは非常によく機能し、コンペティションの主催者が提供したベースライン・システムを上回りました。「ロシア語の翻訳者」のトリックは、特にロシア語のトラックにおけるスコア向上に貢献しました。
• 「探偵」（サブタスク3）に対して: 彼らの単一のAI探偵は驚くほど高いパフォーマンスを発揮し、18チーム中7位に入りました。この実験は、彼らの当初の懸念――AIは数学的な部分を行うことができないという懸念――が間違であったことを証明しました。AIは、複雑な推論と数値計算を同時に処理することができたのです。

結論

この論文は、人間の感情を深く理解するためには、感情を単純なカテゴリ（良い／悪い）として扱うのではなく、連続的な体験（どれほど良いか？ どれほど強烈か？）として測定する必要があることを示しています。

チームは以下のことを発見しました：

1. チームワークは効果的である: いくつかの異なるAIモデルを組み合わせることは、数値を正しく導き出す助けになります。
2. コンテキスト（文脈）こそが王である: ロシア語のような難しい言語の場合、数値を推測する前にAIに感情を言葉で説明させることは、非常に大きな助けとなります。
3. オールインワンは強力である: 詳細を見つけ出し、同時に数値を推測する必要がある複雑なタスクでは、一つのステップですべてを行う単一のスマートなAIの方が、多くの場合において優れています。

著者らは、自分たちのシステムには限界があること（小規模なモデルや特定のデータセットで最もよく機能すること）を認めていますが、スマートなAIを使用して記述的なコンテキストを生成し、複雑な推論を処理するというこのアプローチは、人間の感情を理解するための有望な道であると信じています。