两篇新的研究论文探讨了使用大语言模型（LLMs）在方面情感分析（ABSA）方面取得的进展。第一篇论文介绍了“多视图提示”（LLM-MvP）技术，该技术结合了模式约束解码和前缀批处理，以实现与微调模型相媲美的性能，同时降低了计算成本。第二篇论文提出了一个面向教育领域方面情感分析的可控合成基准，该基准由 10,000 条合成课程评论生成，旨在解决公开的方面标记学生反馈稀缺的问题。该基准用于评估包括 BERT 和基于 GPT 的 gpt-5.2 推理在内的各种模型，证明了该任务的难度以及合成数据迁移到现实世界评论的潜力。 AI
影响 这些论文引入了新颖的提示技术和合成基准，有望提高情感分析模型在学术和教育环境中的效率和适用性。
排序理由 两篇在 arXiv 上发表的学术论文，详细介绍了方面情感分析的新方法和基准。
- Aspect-Based Sentiment Analysis
- BERT
- gpt-5.2
- Large Language Models
- LLM-based Multi-View Prompting
- Nils Constantin Hellwig
- Yehudit Aperstein
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
