大语言模型时代的跨语言情感分析模型竞技场：一种比较研究
计算与语言
2024-06-28 v1
摘要
情感分析是自然语言处理（NLP）中的关键组成部分。多语言预训练模型如 XLM-R 和 mT5 的不断进步，推动了跨语言情感分析日益受到关注。然而，大语言模型（LLM）的近期涌现显著推动了通用 NLP 任务，但其在跨语言情感分析方面的能力尚未得到充分研究。本文开展了一项实证分析，比较了面向公开 Small Multilingual Language Models（SMLM）如 XLM-R，与以英文为中心的大语言模型如 Llama-3，在英语、西班牙语、法语和中文情感分析语境下的跨语言迁移能力。我们的发现表明，在公开模型中，SMLM 在零样本跨语言性能上优于大语言模型；然而，在少样本跨语言情境下，公开大语言模型展现出更强的适应性。此外，我们观察到，专有 GPT-3.5 和 GPT-4 在零样本跨语言能力上领先，但在少样本情境下被公开模型超越。
引用
@article{arxiv.2406.19358,
title = {The Model Arena for Cross-lingual Sentiment Analysis: A Comparative Study in the Era of Large Language Models},
author = {Xiliang Zhu and Shayna Gardiner and Tere Roldán and David Rossouw},
journal= {arXiv preprint arXiv:2406.19358},
year = {2024}
}
备注
Accepted to WASSA workshop at ACL2024