论文
$\mathcal{S}^2$IT：方面情绪四重预测中 大语言模型 的逐步语法集成调整
$\mathcal{S}^2$IT: Stepwise Syntax Integration Tuning for Large Language Models in Aspect Sentiment Quad Prediction
摘要
Aspect Sentiment Quad Prediction (ASQP) 取得了显着的进步，这很大程度上得益于 大语言模型 (LLM) 强大的语义理解和生成能力。然而，虽然句法结构信息在之前的提取范式中已被证明是有效的，但由于其推理能力有限，在 LLM 的生成范式中仍然没有得到充分利用。在本文中，我们提出了 S^2IT，一种新颖的逐步语法集成调优框架，通过多步调优过程逐步将句法结构知识集成到 LLM 中。训练过程分为三个步骤。 S^2IT将四元组生成任务分解为两个阶段：1）全局句法引导提取和2）局部句法引导分类，整合全局和局部句法结构信息。最后，细粒度结构调整通过元素链接和节点分类的预测增强了模型对句法结构的理解。实验表明，S^2IT 显着提高了多个数据集的最先进性能。我们的实现将在 https://github.com/DMIRLAB-Group/S2IT 上开源。