跨语言方面情感三元组抽取的测试时代码切换
计算与语言
2025-01-27 v1
摘要
方面情感三元组抽取 (Aspect Sentiment Triplet Extraction, ASTE) 是一个研究热点，已在高资源语言上取得令人印象深刻的成果。然而，跨语言迁移应用于 ASTE 任务的研究相对不为人知，当前代码切换方法仍受限于术语边界检测问题与词典外问题。在本研究中，我们提出了一种新的测试时代码切换 (Test-Time Code-Switching, TT-CSW) 框架，以弥合双语训练阶段与单语测试时预测之间的差距。在训练阶段，基于双语代码切换训练数据开发生成式模型，可为双语输入产生双语 ASTE 三元组。在测试阶段，我们采用基于对齐的代码切换技术进行测试时数据增强。在四个包含不同语言的数据集上进行大规模实验，验证了所提出方法的有效性。我们在加权平均 F1 分数上实现了平均提升 3.7%。此外，我们使用 ChatGPT 与 GPT-4 建立基准，证明即使是较小的生成式模型经过我们提出的 TT-CSW 框架微调后，还能分别超越 ChatGPT 与 GPT-4 14.2% 与 5.0%。
引用
@article{arxiv.2501.14144,
title = {Test-Time Code-Switching for Cross-lingual Aspect Sentiment Triplet Extraction},
author = {Dongming Sheng and Kexin Han and Hao Li and Yan Zhang and Yucheng Huang and Jun Lang and Wenqiang Liu},
journal= {arXiv preprint arXiv:2501.14144},
year = {2025}
}