ABSA für die chinesische Überprüfung mit feinabgestimmtem BERT und Nullshot-Klassifikation

In den letzten Jahren gab es einen Trend zur Nutzung von großen Sprachmodellen (LLMs), um verschiedene Probleme in der Computerlinguistik anzugehen. Mehr Parameter und Schichten machen sie besser geeignet, die Ziel-Funktion in Multi-Domain-Aufgaben zu approximieren. Im einundzwanzigsten Jahrhundert ist das Interesse der Menschen, aufschlussreiche Informationen aus den Bewertungen anderer Personen zu gewinnen, gewachsen, da der E-Commerce schnell gewachsen ist. Die Durchführung einer differenzierten Sentiment-Analyse wird zunehmend vorteilhaft. Die aspektbasierte Sentiment-Analyse (ABSA) ist ein Teilproblem im Bereich der Sentiment-Analyse. Das ABSA-Problem umfasst zwei Teilprobleme: Identifikation von Zielen und Meinungsforschung. Bestehende Methoden behandeln ABSA gut, wobei eine Beziehung zwischen dem Aspekt und den Labels besteht. Dies ist die häufigste Situation in Anwendungsszenarien. In diesem Papier wird innovativ eine ABSA-Methode vorgeschlagen, die auf Nullshot-Klassifizierung kombiniert mit einem feinabgestimmten Bidirectional Encoder Representations from Transformers (BERT)-Modell basiert. Die Methode wird experimentell in fünf Kategorien (1-5) auf den Ebenen "Service" und "Umwelt" eingesetzt. Im Experiment werden die Vorhersagen des methodenbasierten Modells mit denen des ursprünglichen Modells verglichen. Die Ergebnisse zeigen eine erhebliche Verbesserung der Vorhersagegenauigkeit des Modells in verschiedenen Aspekten.