تحلیل احساسات نسبت به جنبههای خاص (ABSA) یکی از چالشهای مهم در مدلهای زبانی است؛ بهویژه زمانی که بخواهیم صحت استدلال مدل را بررسی کنیم. اغلب مدلها در تغییر احساسات یک جمله دچار خطا میشوند و معنای کلی را خراب میکنند.
محققان در پژوهشی جدید، فریمورک «CAVE-ABSA» را معرفی کردهاند که با استفاده از تکنیکهای «ویرایش مبتنی بر قید» (Constraint-Aware)، امکان تولید دادههای ضدواقعی (Counterfactual) معتبر را فراهم میکند. این ابزار به جای تغییرات کورکورانه، با بررسی دقیق ساختار جملات و نظرات، به مدلها کمک میکند تا درک بسیار دقیقتری از احساسات پیرامون هر ویژگی خاص داشته باشند.
این نوآوری گام بزرگی برای ساخت مدلهای زبانیِ قابلاعتمادتر و هوشمندتر است.
منبع: arXiv NLP