摘要

基于方面的 sentiment 分析（ABSA）旨在提供细粒度的方面级情感信息。ABSA 任务种类繁多，目前主流的方法是为每个任务训练特定的模型。然而，ABSA 任务的应用场景往往多样，这种解决方案通常需要从每个任务中获取大量标注数据才能表现优异。这些专用模型分别进行训练和预测，忽略了任务之间的关系。为了解决这些问题，我们提出了统一的 ABSA 框架——UnifiedABSA，该框架基于多任务指令调优，可以统一建模多种任务，并通过多任务学习捕捉任务间的依赖关系。在两个基准数据集上的广泛实验表明，UnifiedABSA 在 11 个 ABSA 任务上显著优于专用模型，并在数据效率方面表现出其优越性。