Application of Multiple Chain-of-Thought in Contrastive Reasoning for Implicit Sentiment Analysis

要約

暗黙的な感情分析は、しばしば曖昧さと比ur的な言語によって不明瞭になっている微妙に表現される感情を明らかにすることを目指しています。
このタスクを達成するには、明示的に述べられていない感情を特定するには、大規模な言語モデルと多段階的な推論が必要です。
この研究では、暗黙の感情分析のパフォーマンスを向上させるために、新しいデュアルリバースチェーン推論（DRCR）フレームワークを提案します。
演ductiveな推論に触発されたフレームワークは、3つの重要なステップで構成されています。1）感情的な極性を仮定し、推論プロセスを導き、2）最初の仮説を否定し、新しい推論プロセスを導き出し、3）最終的な感情極性を推定するための2つの推論パスを対比します。
これに基づいて、ランダム仮説の制限に対処するために、トリプルリバースチェーン推論（TRCR）フレームワークも導入します。
どちらの方法でも、対照的なメカニズムとマルチステップの推論を組み合わせて、暗黙の感情分類の精度を大幅に改善します。
実験結果は、両方のアプローチがさまざまなモデルスケールで既存の方法を上回り、最先端のパフォーマンスを達成することを示しています。
これは、暗黙の感情分析のための対照的な推論とマルチステップ推論を組み合わせることの有効性を検証します。

要約(オリジナル)

Implicit sentiment analysis aims to uncover emotions that are subtly expressed, often obscured by ambiguity and figurative language. To accomplish this task, large language models and multi-step reasoning are needed to identify those sentiments that are not explicitly stated. In this study, we propose a novel Dual Reverse Chain Reasoning (DRCR) framework to enhance the performance of implicit sentiment analysis. Inspired by deductive reasoning, the framework consists of three key steps: 1) hypothesize an emotional polarity and derive a reasoning process, 2) negate the initial hypothesis and derive a new reasoning process, and 3) contrast the two reasoning paths to deduce the final sentiment polarity. Building on this, we also introduce a Triple Reverse Chain Reasoning (TRCR) framework to address the limitations of random hypotheses. Both methods combine contrastive mechanisms and multi-step reasoning, significantly improving the accuracy of implicit sentiment classification. Experimental results demonstrate that both approaches outperform existing methods across various model scales, achieving state-of-the-art performance. This validates the effectiveness of combining contrastive reasoning and multi-step reasoning for implicit sentiment analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google