Yuta YAMADA

レビュー文の増加により，一覧する際に長文のレビューは省略されて表示されてしまい有用な情報まで省略されてしまうことがあります． そこで自然言語処理のタスクの１つである自動要約が有効であると考えました． しかしレビューサイトには低評価のレビューが少なく高評価のレビューが多いという特徴が多く見られます． そういったレビュー文に対して自動要約の一種である抽象型要約を行うと，低評価のレビューからあたかも高評価のレビューのような要約が生成されてしまいます． 本研究の目的はレビュー文の評価値を考慮しレビュワーの感情極性を反映させた抽象型要約を行う手法を提案することです． モデルにはBERTを抽象型要約に特化させたものであるPEGASUSを用いました． 本研究で提案した手法ではレビューの評価値をそのレビュー文の先頭にトークンとして組み込みモデルに入力しました． これにより評価値の持つ感情極性を学習し低評価のレビューにも対応したモデルになると考えました． 結果として，評価値を組み込んでいない既存手法と比較して抽象型要約の評価によく使用されるROUGEのスコアが向上したことが確認できました．

株価の変動要因をその企業の動向と結びつけ推測するシステムを開発しました． 具体的には，ユーザがサイト上で入力した企業の株価の変動グラフと1日の中で変動が大きかった日付上位３つを出力します．そしてその日付ごとにYahoo!ニュース様でその企業のニュースがあるかを検索し，記事とコメントを含めた文章から頻出単語３つを表示します．多くの場合この頻出単語から株価の変動要因が推測できる結果となりました． 作業期間は授業で行なったため，半年になります． 関係者の人数は4人で，作業を行う自分を含めた2人とTAと先生です． 自分がバックエンドの部分で株価のグラフ取得と企業のニュースとコメントを取得しそこから頻出単語を計算する役割でした． バックエンドではPythonを使用しました． きっかけはWebアプリケーションを開発してみたいというものと，後の研究テーマとなる自然言語処理に触れてみたいといったことでした． これが初めての複数人開発で，実際に自分が作成したバックエンドの部分ともう１人が作成したフロントエンドの部分を繋ぎ合わせることに苦戦しましたが，Webアプリケーションの開発に関して少しでも関われたのは非常に良い経験だったと思っています．