ZZU-NLP 在 SIGHAN-2024 dimABSA 任务中的表现：基于粗到细的情境学习的方面情感分析
计算与语言
2024-12-30 v1
摘要
DimABSA 任务要求对餐馆评论进行细粒度情感强度预测，为每个方面词（Aspect Term）提供 Valence 与 Arousal 维度的情感得分。本研究基于 Baichuan2-7B 模型，提出了一种基于粗到细的情境学习（Coarse-to-Fine In-context Learning, CFICL）的方法，用于 SIGHAN 2024 工作坊中的 dimABSA 任务。该方法通过两个阶段的优化过程来提升预测准确率。第一阶段使用固定的情境示例和提示模板，增强模型的情感识别能力，为测试数据提供初始预测。第二阶段采用 BERT 编码 Opinion 字段，并基于相似度选择最相似的训练数据作为新的情境示例。这些示例包括 Opinion 字段及其得分、相关情感词及其平均得分。通过按情感极性进行筛选，确保示例与测试数据一致。实验结果表明，该方法通过有效利用训练数据和优化情境示例，显著提升了预测准确率和一致性。
引用
@article{arxiv.2407.15341,
title = {ZZU-NLP at SIGHAN-2024 dimABSA Task: Aspect-Based Sentiment Analysis with Coarse-to-Fine In-context Learning},
author = {Senbin Zhu and Hanjie Zhao and Xingren Wang and Shanhong Liu and Yuxiang Jia and Hongying Zan},
journal= {arXiv preprint arXiv:2407.15341},
year = {2024}
}