SemEval-2026 任务3：维度化方面情感分析（DimABSA）
计算与语言
2026-04-09 v1
摘要
本文介绍了SemEval-2026共享任务——维度化方面情感分析（DimABSA），该任务通过沿效价-唤醒度（valence-arousal, VA）维度建模情感，超越了传统方面情感分析（ABSA）使用类别极性标签的方式。为将ABSA扩展至公共议题话语（如政治、能源和气候议题），我们引入了额外任务——维度化立场分析（DimStance），将立场目标视为方面，并将立场检测重构为VA空间中的回归任务。该任务包含两个赛道：赛道A（DimABSA）和赛道B（DimStance）。赛道A包含三个子任务：（1）维度化方面情感回归，（2）维度化方面情感三元组抽取，以及（3）维度化方面情感四元组抽取，而赛道B仅包含针对立场目标的回归子任务。我们还引入了一种连续F1（cF1）指标，用于联合评估结构化抽取和VA回归。该任务吸引了超过400名参与者，最终提交112份，系统描述论文42篇。我们报告了基线结果，讨论了表现最优的系统，并分析了关键设计选择，以提供维度化情感分析在方面和立场目标层面的见解。所有资源均可在我们的GitHub仓库中获取。
引用
@article{arxiv.2604.07066,
title = {SemEval-2026 Task 3: Dimensional Aspect-Based Sentiment Analysis (DimABSA)},
author = {Liang-Chih Yu and Jonas Becker and Shamsuddeen Hassan Muhammad and Idris Abdulmumin and Lung-Hao Lee and Ying-Lung Lin and Jin Wang and Jan Philip Wahle and Terry Ruas and Natalia Loukachevitch and Alexander Panchenko and Ilseyar Alimova and Lilian Wanzare and Nelson Odhiambo and Bela Gipp and Kai-Wei Chang and Saif M. Mohammad},
journal= {arXiv preprint arXiv:2604.07066},
year = {2026}
}