[3Win5] ポスターセッション3

[3Win5-95] 金融極性編集における知識編集の有効性の検証

〇平間 太規¹、伊藤 友貴²、坂地 泰紀¹、野田 五十樹¹ (1.北海道大学大学院、2.三井物産株式会社)

キーワード：自然言語処理、大規模言語モデル、金融・経済

近年の大規模言語モデル（LLM）は多様なタスクに高い性能を示す一方、ドメイン固有の知識や文脈に適応させるためには大規模データでの再学習が必要となり、計算コストやデータ収集の面で非効率である。本研究では、時代や状況の変化（例：コロナ禍の前後）によってポジティブ・ネガティブの判断基準が変化するセンチメント分析タスクにおいて、知識編集（Knowledge Editing）を用いた効率的なドメイン適合手法を提案する。従来研究では、知識編集手法の有効性は一部示されているものの、センチメント判断への適用は十分に検証されていない。本研究では、日本語センチメント分析タスクにおいて、知識編集手法を用いた新たな訓練方法を検討し、その有効性を評価した。特に、LLaMAモデルにROME(Rank-One Model Editing)を適用した訓練手法の改良を提案し、ゼロショット設定での性能評価を通じて、従来手法よりも高精度なセンチメント判断が可能であることを目指す。本研究は、センチメント分析における知識編集の有用性を初めて実証するとともに、効率的なドメイン適合手法の新たな可能性を示すものである。