今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

QCSA:基于大语言模型的渐进式四元组构建与提示增强引文情感分析框架

《Scientific Reports》:QCSA: LLM-driven progressive quadruple construction and prompt-augmented learning for robust citation sentiment analysis

【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9

编辑推荐:

   摘要引文情感分析(CSA)面临若干挑战,包括隐性情感表达、类别不平衡以及细粒度结构化证据的可用性不稳定。现有方法使用结构化四元组使引文上下文中的评价信息更加明确。然而,大语言模型生成的输出可能仍受限于结构无效、文本对齐有限以及语义质量不一,尤其是对于具有弱评价信号的中性引文。

  

摘要

引文情感分析(CSA)面临若干挑战,包括隐性情感表达、类别不平衡以及细粒度结构化证据的可用性不稳定。现有方法使用结构化四元组使引文上下文中的评价信息更加明确。然而,大语言模型生成的输出可能仍受限于结构无效、文本对齐有限以及语义质量不一,尤其是对于具有弱评价信号的中性引文。为了解决这些问题,我们提出了 QCSA,一个由大语言模型驱动的框架,用于渐进式四元组构建和提示增强学习。对于具有弱结构化证据的中性引文,QCSA 采用了一种条件三阶段构建策略。它优先处理有效的语义证据,同时提高结构化提示输入的完整性。在分类方面,QCSA 使用一种共享语义锚点引导的门控残差融合机制,联合建模原始引文上下文和四元组提示。进一步使用加权多主干集成作为可选增强,以探索预训练语言模型之间的互补信息。实验结果表明,QCSA 在 Athar 数据集上达到了 87.81% 的 Macro-F1 值,而 QCSA-Single (RoBERTa) 在 CSCE 上达到了 96.49%。这些结果表明在两个基准数据集上具有竞争力的性能。消融和多种子实验进一步显示,渐进式四元组构建提供了相对稳定的贡献,而门控残差融合提供了有限的补充增益。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:引文情感分析|大语言模型|四元组构建|提示增强学习|门控残差融合|渐进式构建

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号