论文
SemEval-2026 的经典任务 3：结合 Transformer 模型和 LLM 生成的注释进行基于维度方面的情感分析
The Classics at SemEval-2026 Task 3: Combining Transformer Models and LLM-Generated Annotations for Dimensional Aspect-Based Sentiment Analysis
摘要
本文提出了 SemEval-2026 任务 3 的方法：基于维度方面的情感分析。我们研究超越传统分类情感（例如，积极或消极）的方法，以预测情感“价”（积极性）和“唤醒”（强度）的细粒度、真实值分数。我们参与两个子任务：预测给定方面的这些分数（子任务 1）并提取完整的情感细节集，包括方面、类别和意见及其分数（子任务 3）。我们的回归任务方法涉及基于 Transformer 的编码器模型的加权集成。对于俄语，我们通过使用 大语言模型 (LLM) 生成合成情感描述来进一步增强输入。对于提取任务，我们微调解码器 LLM 以执行结构化预测，使系统能够识别情感元素并同时估计其数值分数。