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

著者 Nikita Neveditsin,Pawan Lingras,Vijay Mago
発行日 2025-03-26 16:52:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CL パーマリンク