ate_tk-instruct-base-def-pos-neg-neut-combined

项目介绍：ate_tk-instruct-base-def-pos-neg-neut-combined

项目概述

ate_tk-instruct-base-def-pos-neg-neut-combined是一个专门为"方面术语抽取"（Aspect Term Extraction, ATE）任务进行微调的模型。该模型通过加入特定形式的提示进行微调，提示包括：定义、两个正面例子、两个负面例子和两个中性例子。这个提示会添加到每条输入评论的前面。

领域应用

该模型的输出已经在笔记本电脑和餐馆领域的样本上进行了微调。在这两个领域中，模型可以识别出评论中的方面术语，并能为每个术语标注出相关的情感极性。它是当前在方面术语抽取任务中的最先进（SOTA）的模型。

数据来源

模型的训练数据来自于"基于方面的情感分析"任务的基准数据集，即SemEval 2014。这个数据集包含了来自笔记本电脑和餐馆领域的评论，每条评论还附有对应的方面术语以及情感极性标签。

项目背景

这个项目是InstructABSA研究的一部分，该研究致力于通过指令学习来改进基于方面的情感分析。这项研究的详细信息可以通过论文 InstructABSA: Instruction Learning for Aspect Based Sentiment Analysis 获得，实际的代码实现可以在GitHub上找到。

如何使用

如果有人在研究中使用了这个模型，请引用以下的参考文献：

@inproceedings{Scaria2023InstructABSAIL,
  title={InstructABSA: Instruction Learning for Aspect Based Sentiment Analysis},
  author={Kevin Scaria and Himanshu Gupta and Saurabh Arjun Sawant and Swaroop Mishra and Chitta Baral},
  year={2023}
}