摘要

近年来，方面级情感四元组预测（Aspect Sentiment Quad Prediction, ASQP）已成为方面级情感分析领域的一项热门任务。以往的研究通常采用预定义的模板，将原始句子改写为结构化的目标序列，从而可被模型轻松解码为形式为（方面类别，方面词，观点词，情感极性）的四元组。这些模板中的四个元素以固定顺序排列。然而，我们观察到，这种方案与ASQP任务的“顺序无关”特性相悖——只要能够正确提取出四元组，其内部元素的顺序并不应被强制固定。受此启发，我们系统研究了模板顺序对模型性能的影响，发现某些特定顺序有助于生成式模型取得更优表现。我们推测，不同的顺序为四元组提供了多样化的表达视角。基于这一发现，我们提出了一种简单而有效的方法，用于识别最合适的模板顺序，并进一步将多个最优模板作为数据增强手段，以提升ASQP任务的性能。具体而言，我们利用预训练语言模型筛选出信息熵最小的模板顺序。通过在这些模板顺序上对预训练模型进行微调，我们的方法显著提升了四元组预测的性能，并在低资源场景下显著超越了现有最先进方法。