从标注到适应：基于大语言模型的方面情感分析中的指标、合成数据与方面提取
计算与语言
2025-06-11 v1
摘要
本研究考察了大语言模型 (LLMs) 在基于方面情感分析 (ABSA) 中的性能，特别关注小域域中隐式方面提取。我们使用合成体育反馈数据集，评估开源权重 LLMs 的方面-情感配对提取能力，并提出一种度量标准以便于使用生成式模型进行方面提取的评估。我们的发现突显了 LLMs 在 ABSA 任务中所具有的潜力与局限性。
引用
@article{arxiv.2503.20715,
title = {From Annotation to Adaptation: Metrics, Synthetic Data, and Aspect Extraction for Aspect-Based Sentiment Analysis with Large Language Models},
author = {Nikita Neveditsin and Pawan Lingras and Vijay Mago},
journal= {arXiv preprint arXiv:2503.20715},
year = {2025}
}
备注
Accepted to NAACL SRW 2025