LogSigma在SemEval-2026 Task 3中的参赛方案：基于不确定性加权的多任务学习用于维度化方面情感分析
计算与语言
2026-03-27 v1 人工智能
摘要
本文描述了LogSigma，我们的系统用于SemEval-2026 Task 3：维度化方面情感分析（DimABSA）。不同于传统的方面情感分析（ABSA），该任务要求预测连续的Valence和Arousal（VA）分数，范围在1-9之间。核心挑战在于，Valence和Arousal在不同语言和领域中的预测难度不同。我们采用学习型同质性不确定性，即模型学习任务特定的对数方差参数，以自动平衡训练期间的每个回归目标。结合语言特定编码器和多随机种子集成，LogSigma在两个轨道的五个数据集上取得第一名。所学得的方差权重在不同语言之间差异显著——德语为0.66倍，英语为2.18倍——这表明最佳任务平衡是语言相关的，不能事先确定。
引用
@article{arxiv.2603.24896,
title = {LogSigma at SemEval-2026 Task 3: Uncertainty-Weighted Multitask Learning for Dimensional Aspect-Based Sentiment Analysis},
author = {Baraa Hikal and Jonas Becker and Bela Gipp},
journal= {arXiv preprint arXiv:2603.24896},
year = {2026}
}