CrisisKD：危机话语中方面级情感和情绪分析的五阶段 知识蒸馏

识别危机情况下情感词语或短语的目标，尤其是与健康相关的情况，对于理解不同文化和语言背景下的公众关切非常重要。我们提出了 CrisisKD，一个五阶段的师生 知识蒸馏 框架，用于对未注释的社交媒体数据进行方面级别的情绪和情感分析。教师 LLM 生成方面级别标签和推理轨迹，以监督方面提取、句法解析、意见提取、情感分类和情感分类方面的较小学生模型。使用这个框架，我们构建并发布了一个包含 50,615 个方面级别标签的数据集，以及注释和 微调 脚本作为开源资源。由此产生的学生以比教师低得多的推理成本支持端到端 ABSA 和情绪检测。在手动注释的 500 条推文人工标准集上，5 任务 Qwen2.5-7B 学生在方面提取方面比未调整的模型提高了 7.9 个 F1 点，在情感准确性方面提高了 17.0 点，在情感准确性方面提高了 6.5 点。在外部 ABEA 基准上，CrisisKD 在 ATE 上将同型号 Qwen2.5-7B ICL 基线提高了 2.8 F1 点，在联合 ATE+AEC 上提高了 3.8 F1 点。