生成再纠正：单次全局纠正的情感四元预测
计算与语言
2026-04-07 v2 人工智能
摘要
基于情感的分析（ABSA）从用户生成文本中抽取aspect级别的情感信号，支持产品分析、体验监控和公共舆论跟踪，是细粒度意见抽取的核心任务。ABSA的一个关键挑战是情感四元预测（ASQP），需要识别四个元素：aspect term、aspect category、opinion term和情感极性。然而，现有研究通常将无序的四元组集合线性化为固定顺序的模板，从左到右解码。通过强制教学，训练-推理之间的不匹配（exposure bias）导致早期前缀错误传播到后续元素。线性化顺序决定了哪些元素出现在前缀中，因此这种传播变得顺序敏感，难以在单次传递中修复。为此，我们提出一种方法，生成再纠正（Generate-then-Correct, G2C）：一个生成器草拟四元组，一个纠正器在LLM合成的草稿上进行单次、序列级全局纠正，训练数据包含常见错误模式。在Rest15和Rest16数据集上，G2C在性能上优于强大的基线模型。
引用
@article{arxiv.2603.13777,
title = {Generate Then Correct: Single Shot Global Correction for Aspect Sentiment Quad Prediction},
author = {Shidong He and Haoyu Wang and Wenjie Luo},
journal= {arXiv preprint arXiv:2603.13777},
year = {2026}
}
备注
4 figures, 3 tables