情感分析中的链式思考隐式方法
计算与语言
2024-08-23 v1 人工智能
摘要
隐式情感分析（Implicit Sentiment Analysis, ISA）是自然语言处理中的关键研究领域。受大型语言模型链式思考（Chain of Thought, CoT）的启发，本文引入了情感思考（Sentiment Analysis of Thinking, SAoT）框架。该框架首先利用常识和思考链能力分析文本中的隐含方面和意见，然后反思隐式情感分析的过程，最终推断情感极性。该模型在 SemEval 2014 数据集上进行评估，数据集包含 1120 条餐厅评论和 638 条笔记本评论。实验结果表明，ERNIE-Bot-4+SAoT 模型的运用显著提升了性能。具体而言，在餐厅数据集上，F1 分数达到 75.27，ISA 分数为 66.29。同样，在计算机数据集上，F1 分数达到 76.50，ISA 分数为 73.46。与 ERNIE-Bot-4+SAoT 模型相比，BERTAsp + SCAPt 基线方法平均提升了 47.99%。
引用
@article{arxiv.2408.12157,
title = {Implicit Sentiment Analysis Based on Chain of Thought Prompting},
author = {Zhihua Duan and Jialin Wang},
journal= {arXiv preprint arXiv:2408.12157},
year = {2024}
}