计算机科学与探索

作者：凤丽洲, 李梦莎, 王友卫, 杨贵军

单位：1. 天津财经大学 统计学院，天津 3002222. 中央财经大学 信息学院，北京 100081

关键词：方面类别情感分析,零样本学习,提示模板,PPLM文本限制生成

基金：国家社科一般项目（20BTJ058）；天津市研究生科研创新项目（2022SKY349）。

如今方面类别情感分析（ACSA）因标注数据稀缺而受限，如何在无特定情感标注数据下实现有效分析成为研究挑战。将零样本方面类别情感分析任务转换为自然语言推理（NLI）任务，针对传统提示模板面临语义表达不充分的问题，提出了一种基于PPLM文本限制生成模型的原因补充提示模板，结合情感极性和其原因，使得模板可以帮助模型更好地理解情感背后的原因和动机，从而提高情感分析的准确性和可解释性。为了进一步提升ACSA的分类性能，引入了性能逆序系数来确定文中多种提示模板的集成权重。在公共数据集MAMS和Restaurant的实验结果表明该模型相较于其他零样本ACSA模型，在准确率ACC上提升约7个百分点；PPLM原因补充提示模板可以提升NLI模型的零样本分类性能，其相较于其他较好传统模板在MF1上提升2.6个百分点；同时改进的权重确定策略也对模型在零样本情境下的情感分析能力有一定提升作用。

来源：2025年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第5期