从预测到论证：通过强化学习将情感推理与人类理由对齐

针对基于方面的情感分析系统缺乏显式推理能力的问题，本文提出 ABSA-R1 框架。该框架模仿人类“先推理后预测”的认知过程，利用强化学习生成自然语言理由来支撑情感预测。文章引入认知对齐奖励模型以确保推理路径与情感标签的一致性，并受元认知监控启发，实施性能驱动的拒绝采样策略以处理困难样本。实验表明，这种显式推理能力不仅提升了可解释性，还在情感分类和三元组提取任务上优于非推理基线。