探索基于 ChatGPT 的数据增强策略用于对比方面级情感分析

方面级情感分析（ABSA）旨在识别句子中针对特定方面词的情感，使我们能够揭示关于产品、服务或主题特定方面的细微观点和态度。然而，标注数据的稀缺对训练高质量模型构成了重大挑战。为解决这一问题，我们探索了使用性能优异的大语言模型（LLM）ChatGPT 进行数据增强的潜力，以提升针对方面词的情感分类性能。具体来说，我们探索了三种基于 ChatGPT 的数据增强策略：上下文聚焦、方面聚焦和上下文-方面数据增强技术。上下文聚焦数据增强侧重于改变句子中上下文词的表达方式，同时保持方面词不变。相反，方面聚焦数据增强旨在改变方面词但保持上下文词不变。上下文-方面数据增强则整合了上述两种数据增强方法来生成增强样本。此外，我们将对比学习引入 ABSA 任务以提升性能。大量实验表明，所有三种数据增强技术都带来了性能提升，其中上下文-方面数据增强策略表现最佳，并超越了基线模型的性能。