返回
Large Language Models for Czech Aspect-Based Sentiment Analysis
DOI:10.1007/978-3-032-02551-7_3.png)
摘要
En 中文
基于方面的情感分析(ABSA)是一种细粒度的情感分析任务,旨在识别实体特定方面的情感。尽管大型语言模型(LLMs)在多种自然语言处理(NLP)任务中表现出色,但它们在捷克语ABSA方面的能力仍 largely unexplored。本研究对19个不同规模和架构的LLMs进行了全面的捷克语ABSA评估,比较了它们在零样本、少样本和微调场景下的表现。结果表明,针对ABSA微调的小型领域特定模型在零样本和少样本设置中优于通用LLMs,而微调后的LLMs达到了最先进的结果。我们分析了多语言性、模型规模和时效性等因素如何影响性能,并进行了错误分析,突出了关键挑战,特别是在方面术语预测方面。我们的发现为LLMs在捷克语ABSA中的适用性提供了见解,并为该领域的未来研究提供了指导。
Keyword:
Aspect-based sentiment analysis
Sentiment analysis
Large language models
Prompting
期刊
T
IF:
0
论文数:
23
被引数:
0
机构
引用论文
Evaluating zero-shot multilingual aspect-based sentiment analysis with large language models评估大型语言模型在零样本多语言方面基础情感分析中的应用

