QuadAI at SemEval-2026 Task 3: 基于混合 RoBERTa 与大语言模型的集成学习在维度化方面情感分析中的应用
计算与语言
2026-03-10 v1 人工智能
摘要
我们呈现于 SemEval-2026 Task 3 上维度化方面情感回归任务中所使用的系统。我们的 метод结合了混合 RoBERTa 编码器，该编码器通过回归和离散分类两个头部联合预测情感得分，进而通过预测级别的集成学习与大语言模型 (LLM) 结合。混合编码器通过结合连续情感表示与离散情感表示来提高预测稳定性。我们进一步探索了大语言模型中的零样本学习技术，以及采用岭回归堆叠来组合编码器与大语言模型的预测。实验结果表明，在开发集上，集成学习显著优于单个模型，实现了 RMSE 的显著降低以及相关性得分的提升。我们的发现表明，编码器基方法与大语言模型基方法在维度化情感分析中具有互补的优势。我们的开发代码和资源将在 https://github.com/aaronlifenghan/ABSentiment 上共享。
引用
@article{arxiv.2603.07766,
title = {QuadAI at SemEval-2026 Task 3: Ensemble Learning of Hybrid RoBERTa and LLMs for Dimensional Aspect-Based Sentiment Analysis},
author = {A. J. W. de Vink and Filippos Karolos Ventirozos and Natalia Amat-Lefort and Lifeng Han},
journal= {arXiv preprint arXiv:2603.07766},
year = {2026}
}
备注
SemEval System Report