使用大语言模型评估零样本多语言基于方面的情感分析
计算与语言
2025-06-25 v3
摘要
基于方面的情感分析（ABSA）是一项序列标注任务，在多语言语境中引起了越来越多的关注。以往的研究主要集中在针对 ABSA 进行微调或训练专门的模型，而我们在零样本条件下评估大语言模型（LLM），以探索其在最小任务特定适应下应对这一挑战的潜力。我们对一系列 LLM 在多语言 ABSA 任务上进行了全面的实证评估，在九个不同的模型中考察了多种提示策略，包括普通零样本、思维链（CoT）、自我改进、自我辩论和自我一致性。结果表明，尽管 LLM 在处理多语言 ABSA 方面显示出前景，但它们通常不如经过微调的特定任务模型。值得注意的是，较简单的零样本提示往往优于更复杂的策略，尤其是在英语等高资源语言中。这些发现强调了对基于 LLM 的方法进行进一步改进的需求，以有效应对跨多种语言的 ABSA 任务。
引用
@article{arxiv.2412.12564,
title = {Evaluating Zero-Shot Multilingual Aspect-Based Sentiment Analysis with Large Language Models},
author = {Chengyan Wu and Bolei Ma and Zheyu Zhang and Ningyuan Deng and Yanqing He and Yun Xue},
journal= {arXiv preprint arXiv:2412.12564},
year = {2025}
}
备注
Preprint; Paper accepted at International Journal of Machine Learning and Cybernetics, 2025