摘要

我们介绍了InstructABSA，这是一种面向方面的情感分析（ABSA）子任务的指令学习范式。我们的方法为每个训练样本引入了正面、负面和中性示例，并通过指令调优模型（Tk-Instruct）来处理ABSA子任务，从而显著提高了性能。在SemEval 2014、2015和2016数据集上的实验结果表明，InstructABSA在术语提取（ATE）、情感分类（ATSC）和情感对提取（ASPE）子任务上超越了之前的最先进（SOTA）方法。特别是在Rest14 ATE子任务上，InstructABSA比之前的最先进方法高出5.69个百分点；在Rest15 ATSC子任务上高出9.59个百分点；在Lapt14 AOPE子任务上高出3.37个百分点，超过了规模为其7倍的模型。我们在AOOE、AOPE和AOSTE子任务上也取得了具有竞争力的结果，这表明该方法对所有子任务具有强大的泛化能力。探索样本效率显示，仅需50%的训练数据即可与其他指令调优方法取得相当的结果。最后，我们评估了指令的质量，并观察到当加入误导性示例时，InstructABSA的性能下降约10%。