Dynamic Multi-views In-Context Learning with Large Language Models for Aspect-Based Sentiment Analysis

doi:10.1007/978-981-95-3349-7_45

Dynamic Multi-views In-Context Learning with Large Language Models for Aspect-Based Sentiment Analysis

2026-01-01

0

PRE

AI

DOI：10.1007/978-981-95-3349-7_45

原文链接

原文求助

摘要

En 中文

近年来，基于大语言模型（LLMs）的上下文学习（ICL）在基于方面的情感分析（ABSA）任务上取得了有前景的结果。然而，现有的ICL方法局限于单一视角，缺乏动态适应性，导致ICL示例质量较低。为解决此问题，我们提出了一种基于LLMs的动态多视角上下文学习框架（DMICL）用于ABSA，该框架包括多视角检索策略和动态融合模块。具体而言，多视角检索策略通过同时考虑三个视角检索ICL示例：整体语义相关性、句法结构相关性和方面-情感语义相关性。为实现此目标，我们从这三个视角构建正负样本对，并使用对比学习训练检索器。由于不同视角的重要性因查询而异，我们在检索器中设计了一个动态融合模块，以评估三个视角在不同查询中的重要性。该模块根据句法树复杂度、方面数量和情感多样性等特征自适应调整各视角的权重。在ABSA数据集上的实验结果表明，我们的框架显著优于基线方法。

Keyword:

Aspect-based Sentiment Analysis

In-Context Learning

Large Language Models

Dynamic Multi-views In-Context Learning with Large Language Models for Aspect-Based Sentiment Analysis

摘要

期刊

机构