58、基于提示学习的方面级情感分类与多知识嵌入增强的短文本主题建模

基于提示学习的方面级情感分类与多知识嵌入增强的短文本主题建模

在自然语言处理（NLP）领域，方面级情感分类和短文本主题建模是两个重要的研究方向。前者旨在分析文本中针对特定方面的情感倾向，后者则致力于挖掘短文本中潜在的主题信息。下面将详细介绍这两个方向的相关研究进展。

基于提示学习的方面级情感分类

在方面级情感分类任务中，传统的预训练模型在处理少样本数据时可能面临训练成本高和性能不佳的问题。而基于提示学习的方法为解决这些问题提供了新的思路。

模型性能对比

研究人员对比了使用原始预训练权重和使用特定领域评论数据进一步训练后的权重的模型性能，具体数据如下表所示：
| Datasets | Corpora | 4 | | 16 | | 64 | | 256 | | 1024 | | Full(1850) | |
| — | — | — | — | — | — | — | — | — | — | — | — | — | — |
| | | Acc | F1 | Acc | F1 | Acc | F1 | Acc | F1 | Acc | F1 | Acc | F1 |
| Laptops | Original | 55.80 | 46.33 | 64.11 | 59.65 | 68.59 | 61.19 | 75.08 | 68.49 | 77.59 | 72.40 | 77.16 | 72.24 |
| | +Amazon | 62.23 | 52.38 | 71.79 | 64.47 | 75.39 | 69.77 | 77.74 | 72.98 | 78.84 | 74.50 | 78.37 | 74.19 |