计算机应用

作者：帅健, 王中卿, 陈嘉沥

单位：苏州大学 计算机科学与技术学院，江苏 苏州 215008

关键词：细粒度情感分析,结构化生成,代码生成,预训练生成模型,四重提取

基金：国家自然科学基金资助项目(62076175)

细粒度情感分析（ABSA）任务越来越受到人们的关注。针对目前主流的ABSA方法无法充分利用语义关系且无法充分学习各情感元素之间联系的局限，提出一种基于代码生成的ABSA方法。首先，对应各情感元素与编程语言（PL）；其次，按照对应原则将实验数据集构造成代码生成任务的数据样式，代码样式可以更好地表达各情感元素之间的联系；最后，利用当前大语言模型（LLM）的强大性能及代码生成方法在事件抽取任务上的良好表现得到更准确的结果。为了验证所提方法的有效性，使用Paraphrase、Seq2Path和意见树生成（OTG）方法进行对比实验。实验结果表明，所提方法在ABSA任务中的餐厅数据集上F1分数比OTG方法高2.82个百分点，具有更好的效果。

来源：2025年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第6期