LASQ：低资源语言方面情感四元组提取数据集
计算与语言
2026-04-14 v1
摘要
近年来，方面情感分析（ABSA）取得了快速进展并显示出强大的实际价值。然而，现有研究和基准 largely集中在高资源语言，留下了低资源语言中细粒度情感提取的工作未被充分探索。为填补这一空白，我们构建了第一个低资源语言方面情感四元组数据集，命名为LASQ（Low-resource Aspect-based Sentiment Quadruple），包括乌兹别克语和维吾尔语两种低资源语言。其次，它包括一种细粒度的目标-方面-观点-情感四元组提取任务。为促进未来研究，我们设计了一种网格标注模型，集成了语法知识。该模型通过我们设计的语法知识嵌入模块（SKEM）将词性（POS）和依存关系知识纳入模型，从而缓解了因屈折化语言导致的词汇稀疏问题。在LASQ上的实验表明，所提方法在多个基线方法上 consistently取得改进，验证了数据集的实用性以及所提建模方法的有效性。
引用
@article{arxiv.2604.10417,
title = {LASQ: A Low-resource Aspect-based Sentiment Quadruple Extraction Dataset},
author = {Aizihaierjiang Yusufu and Jiang Liu and Kamran Aziz and Abidan Ainiwaer and Bobo Li and Fei Li and Donghong Ji and Aizierguli Yusufu},
journal= {arXiv preprint arXiv:2604.10417},
year = {2026}
}