[論文レビュー] Is Sentiment Banana-Shaped? Exploring the Geometry and Portability of Sentiment Concept Vectors

Laurits Lyngbaek, Pascale Feldkamp+3 more|arXiv (Cornell University)|Jan 12, 2026

Sentiment Analysis and Opinion Mining被引用数 0

ひとこと要約

この研究は連続感情スコアリングのためのConcept Vector Projections (CVP) をジャンル、言語、時間を超えて評価し、優れた移植性を示すとともに、感情几何学における近似線形性を示唆するバナナ形の中立領域を明らかにします。

ABSTRACT

Use cases of sentiment analysis in the humanities often require contextualized, continuous scores. Concept Vector Projections (CVP) offer a recent solution: by modeling sentiment as a direction in embedding space, they produce continuous, multilingual scores that align closely with human judgments. Yet the method's portability across domains and underlying assumptions remain underexplored. We evaluate CVP across genres, historical periods, languages, and affective dimensions, finding that concept vectors trained on one corpus transfer well to others with minimal performance loss. To understand the patterns of generalization, we further examine the linearity assumption underlying CVP. Our findings suggest that while CVP is a portable approach that effectively captures generalizable patterns, its linearity assumption is approximate, pointing to potential for further development.

研究の動機と目的

• CVP由来の感情スコアの移植性を、ジャンル（ソーシャルメディア、手紙、文学）、歴史的時代、言語（英語、デンマーク語）で評価する。
• CVPが価値の知覚（valence）を超えて覚醒感情（arousal）と支配性（dominance）へ一般化するかを評価する。
• 埋め込み空間の線形性と中立感情の構造など、CVPの幾何学的仮定を検討する。
• ドメイン特異的な再訓練を伴わず、連続感情スコアを用いた人文科学研究への実践的影響を提供する。

提案手法

• 正例文と負例文の平均埋め込みを取り、それらの単位差を概念ベクトルとして計算することで概念ベクトルを構築する。
• 事前学習済みの文埋め込みモデル（paraphrase-multilingual-mpnet-base-v2）で文を埋め込む。
• 埋め込みを概念ベクトルにドット積で射影し、z-score正規化を行って文をスコアリングする。
• コーパス相対の価値閾値（平均±1標準偏差）を用いて出所の負とターゲットの正/例示集合を定義する。
• Fiction4、Emobank、Facebookデータセットを英語とデンマーク語で横断するデータセット間実験により移植性を検証し、サブジャンル間でも検証する。
• valence を超えた一般化を評価するため、覚醒と支配性への分析を拡張する。

実験結果

リサーチクエスチョン

• RQ1 CVP由来の感情スコアリングは、異なるジャンル・時代・言語間でうまく転送されるか？
• RQ2 CVPは覚醒や支配性といった関連情動次元へ一般化できるか？
• RQ3 CVPの線形性仮定は妥当か、それとも中立感情は埋め込み空間内でバナナ形の多様体を占めるのか？
• RQ4 連続感情スコアを用いた人文学研究におけるCVPの実践的影響と制限は何か？

主な発見

• CVPスコアは三つのコーパスすべてで人間の判断とよく整合し、強い跨ドメインの移植性を示す。
• CVPは覚醒と支配性へ一般化するが、価値（valence）より精度は低い。
• 線形性の仮定は概ね近似的で、中立感情は valence 軸上に正確に位置するのではなく、バナナ形の曲線を形成する。
• 中立の埋め込みは、単純な正–負軸では捉えきれない追加の意味情報を持ち、観測データでは三角形のセントロイド幾何学を生み出す。
• 一つのコーパスで訓練したCVPは他のデータセットへ最小の性能低下で転移する。デンマーク語の歴史的賛美歌と現代的なFacebook投稿間でも同様。
• 一部データセット（例：Facebook）ではトランスフォーマーベースのベースラインがCVPより優れる場合があるが、CVPはより滑らかな連続感情分布を生成する。