TrustSyn: Augmenting LLMs With Constituency- Structured Dependency Knowledge for Aspect-Based Sentiment Analysis

doi:10.1109/TKDE.2026.3700652

TrustSyn: Augmenting LLMs With Constituency- Structured Dependency Knowledge for Aspect-Based Sentiment Analysis

2026-06-04

0

PRE

AI

DOI：10.1109/TKDE.2026.3700652

原文链接

原文求助

摘要

En 中文

基于方面的情感分析（ABSA）是情感计算中的一个关键子任务，其核心挑战在于准确高效地识别评论文句中特定方面词的情感极性。尽管句法知识在传统ABSA模型中已显示出显著优势，但基于大型语言模型（LLMs）的现有方法大多忽视了此类结构信息，并且往往无法全面建模隐式和显式情感表达。为弥合这一差距，我们提出了TrustSyn框架，旨在通过整合可信的、基于成分分析的结构化依存句法知识来增强LLMs的ABSA性能。具体而言，首先使用依存句法分析器和成分句法分析器对输入句进行解析，然后将生成的句法信息通过可信句法整合过程重构为统一可靠的表达。这种结构化知识被形式化并注入LLMs中，以增强其对方面-情感关联的理解。据我们所知，这是首次将成分分析指导的依存句法结构整合到LLMs中进行ABSA的研究。最终实验结果表明，TrustSyn在五个基准数据集上均超越了现有最优模型。进一步的消融研究和分析证实了其鲁棒性和强大的泛化能力。

Keyword:

Aspect-based sentiment analysis

constituency-structured dependency knowledge

syntax-augmented LLMs

TrustSyn: Augmenting LLMs With Constituency- Structured Dependency Knowledge for Aspect-Based Sentiment Analysis

摘要

期刊

机构

引用论文