基于序列到序列模型的few-shot跨语言方面情感分析
计算与语言
2025-08-12 v1
摘要
方面情感分析（ABSA）在英文语境中受到广泛关注，但对于因标签数据稀缺而处于低资源语言的挑战仍然存在。当前的跨语言ABSA方法常常依赖外部翻译工具，忽视了将少量目标语言示例纳入训练中所能带来的潜在益处。本文评估了在四个ABSA任务、六个目标语言和两个序列到序列模型中添加少量目标语言示例到训练集中的效果。我们表明，即使仅添加十个目标语言示例，也能显著优于零样本设置，实现类似受限解码所能减少预测错误的效果。此外，我们展示了将1000个目标语言示例与英文数据结合使用甚至可以超越单语基线。这些发现为在低资源和特定领域设置下改进跨语言ABSA提供了实用见解，因为获取十个高质量标注示例既可行且 highly effective。
引用
@article{arxiv.2508.07866,
title = {Few-shot Cross-lingual Aspect-Based Sentiment Analysis with Sequence-to-Sequence Models},
author = {Jakub Šmíd and Pavel Přibáň and Pavel Král},
journal= {arXiv preprint arXiv:2508.07866},
year = {2025}
}
备注
Accepted for presentation at the 28th International Conference on Text, Speech and Dialogue (TSD 2025)