领域扩展的 ASTE：重新思考方面情感三元组抽取中的泛化性
计算与语言
2024-10-31 v2
摘要
方面情感三元组抽取（ASTE）是情感分析中一项具挑战性的任务，旨在提供对人类情感的细粒度洞察。然而，现有基准仅限于两个领域，且未评估模型在未见领域上的性能，引发对已有方法泛化性的担忧。此外，大语言模型（LLM）能否有效处理 ASTE 这类复杂情感任务仍不明确。本工作中，我们从基准和建模两个视角解决 ASTE 中的泛化问题。我们通过标注来自多样领域的样本引入了领域扩展基准，支持在域内和域外设置下评估模型。此外，我们提出 CASE，一种简单而有效的解码策略，可增强 LLM 在 ASTE 中的可信度与性能。通过涉及多任务、多设置和多种模型的综合实验，我们证明 CASE 可作为复杂情感任务的通用解码策略。通过拓展评估范围并提供更可靠的解码策略，我们旨在启发研究界重新评估 ASTE 基准与模型的泛化性。我们的代码、数据和模型发布于 https://github.com/DAMO-NLP-SG/domain-expanded-aste。
引用
@article{arxiv.2305.14434,
title = {Domain-Expanded ASTE: Rethinking Generalization in Aspect Sentiment Triplet Extraction},
author = {Yew Ken Chia and Hui Chen and Wei Han and Guizhen Chen and Sharifah Mahani Aljunied and Soujanya Poria and Lidong Bing},
journal= {arXiv preprint arXiv:2305.14434},
year = {2024}
}
备注
EMNLP 2024 SiCon