基于推理的大规模方面情感分析
计算与语言
2026-01-08 v1 人工智能
摘要
我们介绍Arctic-ABSA，一套针对现实世界方面情感分析（ABSA）的强大模型。我们的模型量身定制于商业需求，训练于大规模公开数据集以及精心生成的合成数据，数据集规模是SemEval14的20倍。我们扩展了典型的ABSA模型，将情感类别数从标准的三个（积极、消极、中性）扩展到五个，添加混合和未知类别，同时还能联合预测文本的总体情感并支持多语言。我们尝试通过在链式思维（CoT）示例上进行微调来实现推理注入，并为仅包含编码器的模型引入一种新颖的预训练技术，显著提高下游微调和泛化能力。我们的3.95亿参数编码器和80亿参数解码器在准确率上比GPT-4o和Claude 3.5 Sonnet高出最高10个百分点，同时在SemEval14基准上设立了新的状态最佳成绩。单个多语言模型在六种语言上保持87-91%的准确率，且不降低英文性能。我们发布ABSA-mix，一个聚合了17个公开ABSA数据集、覆盖92个领域的大规模基准。
引用
@article{arxiv.2601.03940,
title = {Large-Scale Aspect-Based Sentiment Analysis with Reasoning-Infused LLMs},
author = {Paweł Liskowski and Krzysztof Jankowski},
journal= {arXiv preprint arXiv:2601.03940},
year = {2026}
}