只需提示：基于多视角提示的大语言模型用于方面基情感分析
计算与语言
2026-05-28 v1
摘要
近期研究探索了大语言模型（Large Language Models, LLMs）在方面基情感分析（Aspect-Based Sentiment Analysis, ABSA）中的能力，通过few-shot提示实现了仅需少量标注示例即可显著优于zero-shot基线。然而，与基于数百个示例微调的模型相比，仍存在性能差距；且LLM推理的计算成本在实际部署中 presents 实际障碍。我们引入LLM-based 多视角提示（LLM-MvP）方法，通过考虑多元素排序方式的多视角原理应用于LLM提示。结合受模式约束的解码与上下文无关语法（context-free grammar）以及前缀批处理（prefix batching），LLM-MvP在计算开销大幅降低的同时，实现了与微调方法并驾齐驱甚至优于的性能。广泛的实验在五个基准数据集上表明，LLM-MvP成功缩小了few-shot提示与微调模型之间的性能差距，为ABSA提供了一种实用且高效的解决方案。
引用
@article{arxiv.2605.28058,
title = {Prompting Is All You Need: Multi-view Prompting Large Language Models for Aspect-Based Sentiment Analysis},
author = {Nils Constantin Hellwig and Niklas Donhauser and Jakob Fehle and Udo Kruschwitz and Christian Wolff},
journal= {arXiv preprint arXiv:2605.28058},
year = {2026}
}