大语言模型驱动的跨领域属性级情感分析.pdf
软件学报
ISSN
1000-9825,
CODEN
RUXUEWE-mail:
jos@
2025,36(2):644−659
[doi:
10.13328/ki.jos.007156]
[CSTR:
32375.14.jos.007156]
©中国科学院软件研究所版权所有.Tel:
+86-10
*
大语言模型驱动的跨领域属性级情感分析
李诗晨,
王中卿,
周国栋
(苏州大学
计算机科学与技术学院,
江苏
苏州
215008)
通信作者:
王中卿,
E-mail:
wangzq@
摘要:
属性级情感分析作为一种细粒度情感分析方法,
目前在许多应用场景中都具有重要作用.
然而,
随着社交
媒体和在线评论的日益广泛以及各类新兴领域的出现,
使得跨领域属性级情感分析面临着标签数据不足以及源领
域与目标领域文本分布差异等挑战.
目前已有许多数据增强方法试图解决这些问题,
但现有方法生成的文本仍存
在语义不连贯、结构单一以及特征与源领域过于趋同等问题.
为了克服这些问题,
提出一种基于大语言模型(large
language
model,
LLM)数据增强的跨领域属性级情感分析方法.
所提方法利用大模型丰富的语言知识,
合理构建针
对跨领域属性级别情感分析任务的引导语句,
挖掘目标领域与源领域相似文本,
通过上下文学习的方式,
使用领域
关联关键词引导LLM生成目标领域有标签文本数据,
用以解决目标领域数据缺乏以及领域特异性问题,
从而有效
提高跨领域属性级情感分析的准确性和鲁棒性.
所提方法在多个真实数据集中进行实验,
实验结果表明,
该方法可
以有效提升基线模型在跨领域属性级情感分析中的表现.
关键词:
属性级情感分析;
大语言模型
(LLM);
迁移学习;
数据增强;
领域适应
中图法分类号:
TP18
中文引用格式:
李诗晨,
王中卿,
周国栋.
大语言模型驱动的跨领域属性级情感分析.
软件学报,
2025,
36(2):
644–659.
http://www.
/1000-9825/7156.htm
英文引用格式:
Li
SC,
Wang
ZQ,
Zhou
GD.
LLM
Enhanced
Cross
Domain
Aspect-based
Sentiment
Analysis.
Ruan
Jian
Xue
Bao/Journal
of
Software,
2025,
36(2):
644–659
(in
Chinese).
/1000-9825/7156.htm
LLMEnhancedCrossDomainAspect-basedSentimentAnalysis
LI
Shi-Chen,
WANG
Zhong-Qing,
ZHOU
Guo-Dong
(School
of
Computer
Science
and
Technology,
Soochow
University,
Suzhou
215008,
China)
Abstract:
As
a
fine-grained
sentiment
analysis
method,
aspect-based
sentiment
analysis
is
playing
an
increasingly
important
role
in
many
application
scenarios.
However,
with
the
ubiquity
of
social
media
and
online
reviews,
cross-domain
aspect-based
sentiment
analysis
faces
two
major
challenges:
insufficient
labeled
data
in
the
target
domain
and
textual
distribution
differences