An Empirical Study of Benchmarking Chinese Aspect Sentiment Quad Prediction

要約

アスペクトセンチメント4値予測（ASQP）は、アスペクトレベルのセンチメント分析の重要なサブタスクである。現在のASQPデータセットは、サイズが小さく、四分音符の密度が低いという特徴があり、技術開発の妨げとなっている。容量を拡大するために、我々は複数のオンラインプラットフォームからクロールした2つの大規模な中国語ASQPデータセットを構築した。これらのデータセットは、既存のASQPデータセットよりもサイズが大きく（それぞれ10,000以上のサンプルを含む）、アスペクトカテゴリが豊富で、文あたりの単語数が多く、密度が高いという、いくつかの重要な特徴を持っている。さらに、我々はASQPにおけるGPT（Generative Pre-trained Transformer）系列モデルの性能を初めて評価し、潜在的な問題点を示した。最先端のASQPベースラインとの実験により、ASQPに対処するための追加技術を探求する必要性と、GPTの性能を向上させる手法のさらなる調査の重要性が強調された。

要約(オリジナル)

Aspect sentiment quad prediction (ASQP) is a critical subtask of aspect-level sentiment analysis. Current ASQP datasets are characterized by their small size and low quadruple density, which hinders technical development. To expand capacity, we construct two large Chinese ASQP datasets crawled from multiple online platforms. The datasets hold several significant characteristics: larger size (each with 10,000+ samples) and rich aspect categories, more words per sentence, and higher density than existing ASQP datasets. Moreover, we are the first to evaluate the performance of Generative Pre-trained Transformer (GPT) series models on ASQP and exhibit potential issues. The experiments with state-of-the-art ASQP baselines underscore the need to explore additional techniques to address ASQP, as well as the importance of further investigation into methods to improve the performance of GPTs.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL