Причина для четырехкратного прогнозирования чувствительности

arXiv: 2610.14873v1 Annualcue Type: New Humber: Aspects Sentiment Quadrupleigion (ASQP) — это фундаментальная проблема реляционного обоснования: выявление параметров, категорий-сенионов и четырехкратных изменений требует моделирования структурированных зависимостей, а не просто последовательного сопровождения. Существующие подходы, основанные на принципе УЗ, включают синтаксическую информацию косвенно в рамках демонстрационного отбора на основе поиска или многоэтапного обучения, а не в качестве унифицированного, однопроходового контекста. Мы представляем DRIFT, который линейно измеряет зависимость от деревьев и вводит их непосредственно в LLM как явный реляционный контекст, позволяя модели рассуждать о зависимости между различными аспектами, вместо того чтобы делать вывод об их простой близости. DRIFT далее включает в себя обучение на основе поиска и синтаксисно-понятного LLM механизма вынесения решений, который дополняет точную матчную оценку при поверочном изменении. На SemEval Rest15, Rest16 и ACOS DRIFT достигают самого сильного амо