零资源到完全资源：基于方面情感分析的跨语言迁移策略
计算与语言
2026-04-30 v1
摘要
方面情感分析（ABSA）从文本中提取针对特定方面的细粒度意见，但尽管基于转换器和指令调优模型取得了重大进展，ABSA仍主要局限于英语。本工作对最先进的ABSA方法进行了跨语言评估，涵盖七种语言（英语、德语、法语、荷兰语、俄语、西班牙语和捷克语）和四个子任务（ACD、ACSA、TASD、ASQP）。我们系统比较了在零资源、数据-only和完全资源设置下，使用跨语言迁移、代码切换和机器翻译的不同转换器架构。针对复杂的生成任务，微调的大型语言模型（LLM）取得最高总体得分，而少量样本方法在较简单的情况下可接近此性能，小型编码模型也保持竞争力。对于微调后的LLM，跨语言训练在多个非目标语言上表现最佳；而小型编码或序列到序列模型则从代码切换中受益最大，凸显了不同架构在多语言ABSA中的特定策略。我们进一步贡献了两个新的德语数据集：改进版GERestaurant以及第一个德语ASQP数据集（GERest），以鼓励超越英语的多语言ABSA研究。
引用
@article{arxiv.2604.26619,
title = {Zero-Shot to Full-Resource: Cross-lingual Transfer Strategies for Aspect-Based Sentiment Analysis},
author = {Jakob Fehle and Nils Constantin Hellwig and Udo Kruschwitz and Christian Wolff},
journal= {arXiv preprint arXiv:2604.26619},
year = {2026}
}