InstructABSA：面向方面级情感分析的指令学习
计算与语言
2023-11-14 v6 机器学习
摘要
我们提出InstructABSA，一种用于方面级情感分析(ABSA)子任务的指令学习范式。我们的方法为每个训练样本引入正、负和中性示例，并对模型(Tk-Instruct)进行ABSA子任务的指令微调，取得显著性能提升。在SemEval 2014、15和16数据集上的实验结果表明，InstructABSA在术语抽取(ATE)、情感分类(ATSC)和情感对抽取(ASPE)子任务上优于先前的最先进(SOTA)方法。特别地，InstructABSA在Rest14 ATE子任务上以5.69%的优势点超越先前SOTA，在Rest15 ATSC子任务上超越9.59%优势点，在Lapt14 AOPE子任务上超越3.37%优势点，且胜过7倍更大的模型。我们在AOOE、AOPE和AOSTE子任务上也取得有竞争力的结果，表明对所有子任务具有强泛化能力。探索样本效率显示，仅需50%训练数据即可取得与其他指令微调方法相当的结果。最后，我们评估指令质量并观察到，当加入误导性示例时InstructABSA性能下降约10%。
引用
@article{arxiv.2302.08624,
title = {InstructABSA: Instruction Learning for Aspect Based Sentiment Analysis},
author = {Kevin Scaria and Himanshu Gupta and Siddharth Goyal and Saurabh Arjun Sawant and Swaroop Mishra and Chitta Baral},
journal= {arXiv preprint arXiv:2302.08624},
year = {2023}
}
备注
4 pages, 3 figures, 9 tables, 9 appendix pages