大型语言模型能否有效作为线上意见矿工？
计算与语言
2025-10-23 v3
摘要
用户生成的线上内容的激增为洞察客户偏好和市场趋势提供了丰富的资料，但其高度多样、复杂且充满情境的特性为传统意见挖掘方法带来了显著挑战。为此，我们引入 Online Opinion Mining Benchmark (OOMB)，一个新颖的数据集和评估协议，旨在评估大型语言模型 (LLM) 能否有效从多样且复杂的线上环境中挖掘意见。OOMB 提供了大量 (实体、特征、意见) 元组注释以及综合性的意见导向概述，突出显示每个内容中的关键意见主题，从而支持对模型的抽取式和抽象式能力进行评估。通过本基准，我们对哪些方面仍具有挑战性以及 LLM 在哪些方面表现出灵活性进行了全面分析，以探讨它们是否能够在真实的线上场景中有效充当意见矿工。本研究为基于 LLM 的意见挖掘奠定了基础，并讨论了该领域未来研究方向。
引用
@article{arxiv.2505.15695,
title = {Can Large Language Models be Effective Online Opinion Miners?},
author = {Ryang Heo and Yongsik Seo and Junseong Lee and Dongha Lee},
journal= {arXiv preprint arXiv:2505.15695},
year = {2025}
}
备注
Accepted to EMNLP 2025 Main