FCKT：面向目标情感分析的基于语义对比学习的细粒度跨任务知识迁移
计算与语言
2025-05-29 v2 人工智能
摘要
在本文中，我们处理了目标情感分析（TSA）任务，该任务涉及两个子任务，即从评论中识别特定方面并确定其相应的情感。方面抽取构成了情感预测的基础，突出了这两个任务之间有效跨任务知识迁移的关键依赖关系。虽然大多数现有研究采用多任务学习范式在潜在空间中对齐特定任务特征，但它们主要依赖于粗粒度的知识迁移。这种方法缺乏对方面-情感关系的细粒度控制，通常假设相关方面内具有一致的情感极性。这种过度简化忽略了区分情感的上下文线索，导致负迁移。为了克服这些局限性，我们提出了 FCKT，一个为 TSA 量身定制的细粒度跨任务知识迁移框架。通过将方面级信息显式纳入情感预测，FCKT 实现了细粒度知识迁移，有效缓解了负迁移并增强了任务性能。在三个数据集上的实验，包括与各种基线和大语言模型（LLMs）的比较，证明了 FCKT 的有效性。源代码可在 https://github.com/cwei01/FCKT 获取。
引用
@article{arxiv.2505.21040,
title = {FCKT: Fine-Grained Cross-Task Knowledge Transfer with Semantic Contrastive Learning for Targeted Sentiment Analysis},
author = {Wei Chen and Zhao Zhang and Meng Yuan and Kepeng Xu and Fuzhen Zhuang},
journal= {arXiv preprint arXiv:2505.21040},
year = {2025}
}
备注
11 pages, 6 figures