Shima Esfandyari

新的DRIFT方法增强了LLM在方面情感预测中的推理能力

研究人员开发了DRIFT，一种用于方面情感四元组预测（ASQP）的新颖方法，该方法将线性化的依赖解析树直接注入LLM提示中。这种方法允许模型在显式的关系上下文上进行推理，而不是仅仅从令牌邻近性推断依赖关系。DRIFT集成了检索增强的上下文学习和语法感知的裁决机制。该方法在SemEval Rest15、Rest16和ACOS数据集上取得了最先进的性能，在各种方面-意见距离配置上显示出显著的提升。