面向少样本情感四元预测的宽视角软提示方法

情感四元预测 (ASQP) 旨在预测四个基于方面的元素，包括方面词、情感词、方面类别和情感极性。在实际应用中，由于数据分布的不同，未出现的方面会给训练好的神经模型带来诸多挑战。为此，本文将 ASQP 问题形式化为少样本场景，以实现实际应用中的快速适应。首先，我们构建了一个少样本 ASQP 数据集 (FSQP)，其包含更丰富的类别且更均衡，适合少样本研究。此外，近期方法通过生成范式提取四元组，即将输入句子转换为模板化的目标序列。然而，这些方法主要关注单一模板的利用或不同模板顺序的考虑，从而忽略了各种模板之间的相关性。为此，本文进一步提出了宽视角软提示 (BvSP) 方法，通过考虑不同模板之间的相关性，将多个模板聚合为更广泛的视角。具体而言，BvSP 使用预训练语言模型结合 Jensen-Shannon 散度选择最相关的 k 个模板。BvSP 进一步引入软提示以引导预训练语言模型使用所选模板。随后，通过投票机制对多模板结果进行聚合。实验结果表明，在四种少样本设置和其他公开数据集上，BvSP 显著优于当前最先进的方法。我们的代码和数据集已提供，地址为 https://github.com/byinhao/BvSP。