使用LLM代理进行基于方面的情感分析的标签一致数据生成

本文提出了一种基于代理的数据增强方法，用于基于方面的情感分析（ABSA），通过迭代生成和验证来生成高质量的合成训练样本。为了隔离代理结构的影响，还开发了一个与之紧密匹配的基于提示的基线方法，使用相同的模型和指令。两种方法在三个ABSA子任务（方面术语提取、方面情感分类和方面情感对提取）、四个SemEval数据集以及两个编码器-解码器模型（T5-Base和Tk-Instruct）上进行了评估。结果表明，代理增强方法在增强数据的标签保留方面优于原始提示方法，尤其是在需要生成方面术语的任务中。此外，当与真实数据结合时，代理增强方法提供了更高的增益，并始终优于基于提示的生成方法。这些优势在T5-Base上最为明显，而预训练程度更高的Tk-Instruct则表现出较小的改进。因此，增强数据帮助T5-Base实现了与其对应模型相当的性能。