大语言模型驱动的跨领域属性级情感分析.pdf

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

2025,36(2):644−659

[doi:

10.13328/ki.jos.007156]

[CSTR:

32375.14.jos.007156]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

大语言模型驱动的跨领域属性级情感分析

李诗晨,

王中卿,

周国栋

(苏州大学

计算机科学与技术学院,

江苏

苏州

215008)

通信作者:

王中卿,

E-mail:

wangzq@

摘要:

属性级情感分析作为一种细粒度情感分析方法,

目前在许多应用场景中都具有重要作用.

然而,

随着社交

媒体和在线评论的日益广泛以及各类新兴领域的出现,

使得跨领域属性级情感分析面临着标签数据不足以及源领

域与目标领域文本分布差异等挑战.

目前已有许多数据增强方法试图解决这些问题,

但现有方法生成的文本仍存

在语义不连贯、结构单一以及特征与源领域过于趋同等问题.

为了克服这些问题,

提出一种基于大语言模型(large

language

model,

LLM)数据增强的跨领域属性级情感分析方法.

所提方法利用大模型丰富的语言知识,

合理构建针

对跨领域属性级别情感分析任务的引导语句,

挖掘目标领域与源领域相似文本,

通过上下文学习的方式,

使用领域

关联关键词引导LLM生成目标领域有标签文本数据,

用以解决目标领域数据缺乏以及领域特异性问题,

从而有效

提高跨领域属性级情感分析的准确性和鲁棒性.

所提方法在多个真实数据集中进行实验,

实验结果表明,

该方法可

以有效提升基线模型在跨领域属性级情感分析中的表现.

关键词:

属性级情感分析;

大语言模型

(LLM);

迁移学习;

数据增强;

领域适应

中图法分类号:

TP18

中文引用格式:

李诗晨,

王中卿,

周国栋.

大语言模型驱动的跨领域属性级情感分析.

软件学报,

2025,

36(2):

644–659.

http://www.

/1000-9825/7156.htm

英文引用格式:

Li

SC,

Wang

ZQ,

Zhou

GD.

LLM

Enhanced

Cross

Domain

Aspect-based

Sentiment

Analysis.

Ruan

Jian

Xue

Bao/Journal

of

Software,

2025,

36(2):

644–659

(in

Chinese).

/1000-9825/7156.htm

LLMEnhancedCrossDomainAspect-basedSentimentAnalysis

LI

Shi-Chen,

WANG

Zhong-Qing,

ZHOU

Guo-Dong

(School

of

Computer

Science

and

Technology,

Soochow

University,

Suzhou

215008,

China)

Abstract:

As

a

fine-grained

sentiment

analysis

method,

aspect-based

sentiment

analysis

is

playing

an

increasingly

important

role

in

many

application

scenarios.

However,

with

the

ubiquity

of

social

media

and

online

reviews,

cross-domain

aspect-based

sentiment

analysis

faces

two

major

challenges:

insufficient

labeled

data

in

the

target

domain

and

textual

distribution

differences