基于大语言模型微调的少样本方面级情感分析研究.pdfVIP

２０２５年６月现代情报Ｊｕｎｅ，２０２５

第４５卷第６期ＪｏｕｒｎａｌｏｆＭｏｄｅｒｎＩｎｆｏｒｍａｔｉｏｎＶｏｌ４５Ｎｏ６

·情报方法与技术创新·

基于大语言模型微调的少样本方面级情感分析研究

１∗１２

朱侯谭雅文魏文韬

（１．中山大学信息管理学院，广东广州５１０００６；２．中山大学计算机学院，广东广州５１０００６）

－

摘要：［目的／意义］针对中文方面级情感分析（ＡｓｐｅｃｔｂａｓｅｄＳｅｎｔｉｍｅｎｔＡｎａｌｙｓｉｓ，ＡＢＳＡ）中面临的数据集不

充分和跨领域迁移难的问题，探索中文大语言模型在ＡＢＳＡ任务中的应用和性能。［方法／过程］本研究使用

－－

ＣｈａｔＧＬＭ模型，通过提示工程及ＬｏＲａ（ＬｏｗＲａｎｋＡｄａｐｔａｔｉｏｎ）与ＰＴｕｎｉｎｇ的微调技术，在中文公开方面级情感分

析数据集ＡＳＡＰ上开展ＡＢＳＡ任务。［结果／结论］与基线模型相比，基于少样本提示的ＣｈａｔＧＬＭ性能接近全样本

－

深度学习模型，而结合ＬｏＲａ和ＰＴｕｎｉｎｇ的模型则取得最佳效果，并在实际的ＡＳＡＰ数据集中展现出良好的分类

能力。本研究验证了中文大语言模型的方面级情感分析在中文环境下的有效性和可行性，为中文ＡＢＳＡ领域提供

了新的解决思路和参考。

关键词：大语言模型；方面级情感分析；提示工程；微调；少样本学习

－

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８０８２１．２０２５．０６．００１

－－－

〔中图分类号〕ＴＰ３９１１；ＴＰ１８〔文献标识码〕Ａ〔文章编号〕１００８０８２１（２０２５）０６０００３１１

－－

ＲｅｓｅａｒｃｈｏｎＦｅｗＳｈｏｔＡｓｐｅｃｔＢａｓｅｄＳｅｎｔｉｍｅｎｔＡｎａｌｙｓｉｓ

ＢａｓｅｄｏｎＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌＦｉｎｅＴｕｎｉｎｇ

１∗１２

ＺｈｕＨｏｕＴａｎＹａｗｅｎＷｅｉＷｅｎｔａｏ

－

（１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ；

－

２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）