arXiv cs.CL· Shima Esfandyari, Seywan Soleymanbaigi, Fardin Akhlaghian Tab, Fatemeh Daneshfar, Mourad Oussalah·· 11 小时前AI 评分20
DRIFT：用依存句法树增强 LLM 的方面情感四元组预测
Dependency Reasoning for Aspect Sentiment Quadruple Prediction
AI 导读
DRIFT 将依存句法树线性化后直接注入 LLM 提示词，作为显式关系上下文，让模型基于方面-观点依存关系推理而非仅靠 token 邻近性。
正文 · AI 翻译
摘要：方面情感四元组预测（ASQP）本质上是一个关系推理问题：识别方面-观点-类别-情感四元组需要建模结构化依赖关系，而不仅仅是序列共现。现有的基于 LLM 的方法通过基于检索的示例选择或多阶段训练间接引入句法信息，而非将其作为统一的、单次生成时上下文。我们提出 DRIFT，它将依存句法树线性化并直接注入 LLM 提示中作为显式关系上下文，使模型能够对方面-观点依赖关系进行推理，而不是仅从词元邻近性中推断。DRIFT 进一步集成了检索增强的上下文学习，以及一个语法感知的基于 LLM 的裁定机制，该机制在跨度边界变化下补充精确匹配评估。在 SemEval Rest15、Rest16 和 ACOS 上，DRIFT 在对比的生成式 ASQP 方法中取得了最强性能，在 Rest15 和 Rest16 上分别达到 54.47% 和 64.10% 的 F1，并在短距离和中距离方面-观点配置上取得一致提升；裁定进一步表明，精确匹配指标系统性地低估了语义正确的预测。
| 主题： | 计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.14873 [cs.CL] |
| （或 arXiv:2610.14873v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14873 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Shima Esfandyari [查看电子邮件]
[v1]
2026年10月10日星期六 12:46:33 UTC（251 KB）
[v2]
2026年10月16日星期五 12:03:17 UTC（251 KB）
来源：arXiv cs.CL · arxiv.org