KPC-cF：基于隐式特征对齐的韩语方面情感分析框架

韩语工业评论的方面情感分析研究在现有文献中明显不足。本研究提出了一种直观且有效的框架，用于低资源语言（如韩语）的方面情感分析。通过整合翻译后的基准数据和无标签韩语数据，该框架优化了预测标签。使用在翻译数据上微调的模型，我们对实际的韩语 NLI 数据集进行了伪标签标记。随后，我们应用 LaBSE 和 \MSP{} 进行过滤，将其作为隐式特征，以增强方面类别检测和情感极性判断。通过采用双重过滤，该模型弥合了数据集之间的差距，实现了最小资源下的特征对齐。通过实施对齐管道，我们的目标是利用高资源数据集，在低资源语言国家的企业或个人社区中开发可靠的预测模型和精细化模型。与英文方面情感分析相比，我们的框架在 F1 分数和准确率上相差约 3%。我们将在该链接发布我们的数据集和代码，用于韩语方面情感分析。