From Annotation to Adaptation: Metrics, Synthetic Data, and Aspect Extraction for Aspect-Based Sentiment Analysis with Large Language Models

要約

この研究では、新しいドメインでの暗黙のアスペクト抽出に焦点を当てて、アスペクトベースのセンチメント分析（ABSA）における大規模な言語モデル（LLMS）のパフォーマンスを調べます。
合成スポーツフィードバックデータセットを使用して、オープンウェイトLLMのアスペクト極性ペアを抽出する能力を評価し、メトリックを提案して、生成モデルでアスペクト抽出の評価を促進します。
私たちの調査結果は、ABSAタスクにおけるLLMの潜在性と制限の両方を強調しています。

要約(オリジナル)

This study examines the performance of Large Language Models (LLMs) in Aspect-Based Sentiment Analysis (ABSA), with a focus on implicit aspect extraction in a novel domain. Using a synthetic sports feedback dataset, we evaluate open-weight LLMs’ ability to extract aspect-polarity pairs and propose a metric to facilitate the evaluation of aspect extraction with generative models. Our findings highlight both the potential and limitations of LLMs in the ABSA task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google