MASTE：用于零样本情感三元组提取的多代理管道

方面情感三元组提取（ASTE）需要从给定的评论句子中联合识别（方面、意见、情感）三元组。虽然 大语言模型 (LLM) 在许多 NLP 基准上实现了强大的零样本性能，但它们在 ASTE 上的有效性仍然有限，因为单遍生成迫使模型在单个解码步骤中确定跨度边界、意见分组和情感极性。常见的补救措施，例如少样本上下文学习和思维链提示，只能提供边际改进，并且严重依赖从标记的训练数据中采样的域内演示或精心设计的推理提示，而这两种方法在零样本部署中都无法广泛使用。受经典代理范式的启发，我们提出了 MASTE，一种用于零样本方面情感三元组提取的多代理管道。 MASTE 将 ASTE 分解为四个连续的阶段，其中专门的代理通过对先前输出的显式调节来处理不同的组合子任务。该设计完全实现了 无需训练 零样本 ASTE，并在不同的骨干网和数据集上进行泛化。对四个 ASTE 基准的大量实验表明，MASTE 在同一主干下明显优于零样本和思想链 LLM 基线，缩小了与完全监督方法的差距，而无需使用任何标记的三元组。代码可在 https://github.com/Hankerlove/MASTE 获取。