计算机科学与探索

作者：刘锦行, 李琳, 吴任伟, 刘佳

单位：1. 湖北工业大学 计算机学院，武汉 4300682. 武汉理工大学 计算机与人工智能学院，武汉 4300703. 中国科学院武汉文献情报中心，武汉 4300714. 科技大数据湖北省重点实验室，武汉 430071

关键词：方面类别情感分析,提示学习,Prompt多样化设计

基金：国家自然科学基金（62106070）；科技大数据湖北省重点实验室开放课题（E3KF291001）。

基于方面类别的情感分析（ACSA）旨在辨别评论文本中的方面类别，并同时预测它们的情感极性，是情感分析领域重要的细粒度子任务。近年来，基于预训练语言模型的微调（Fine-tuning）方法已经为方面类别情感分析提供了有效的解决思路。然而，由于预训练任务和下游情感分类任务目标不一致，影响了情感分析质量提升的空间。目前基于提示模板的提示学习（Prompt learning）能够对其进行相应缓解，但人工设计单一的Prompt文本为ACSA任务提供的上下文有限，缺少丰富性。针对此问题，提出了一种基于提示学习的方面类别情感分析方法（Multi-Prompt_ACSA）。在提示学习的基础上进行了提示模板工程和答案工程的多样化设计，结合ACSA的研究特点，提出了适配方面类别情感分析的提示学习方法。引入自回归预训练语言模型进行训练。基于Prompt的多样化设计集成多个不同提示模板下的情感分类结果。与其他模型（非预训练、预训练和提示学习三个类别）在SemEval 2015和SemEval 2016数据集上的结果相比，提出的方法在F1指标上有良好的效果提升。

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