摘要
随着社会对细粒度情感分析（Sentiment Analysis, SA）需求的不断提升，隐式情感分析（Implicit Sentiment Analysis, ISA）因其表达中缺乏显著的情感提示词而面临重大挑战。该任务需要可靠的推理机制，以理解情感产生的原因，进而准确识别隐含情感。在大语言模型（Large Language Models, LLMs）时代，编码器-解码器（Encoder-Decoder, ED）架构的LLMs因其在多种任务中表现出色的文本理解与推理能力，逐渐成为SA应用的主流骨干模型。与此同时，仅解码器（Decoder-only, DO）架构的LLMs在自然语言生成和上下文学习（in-context learning）方面展现出显著优势，但其生成结果可能存在误导性或不准确信息。为实现具有可靠推理能力的隐式情感识别，本文提出RVISA——一种两阶段推理框架。该框架充分利用DO LLM的生成能力与ED LLM的推理能力，通过联合训练构建一个增强型推理模型。具体而言，我们采用三跳推理提示（three-hop reasoning prompting）策略，显式地引入情感要素作为推理线索，生成结构化推理过程（rationales）。这些生成的推理链被用于微调ED LLM，使其转化为具备高精度推理能力的专用推理器。此外，我们设计了一种简洁而高效的验证机制，以确保推理学习过程的可靠性。在两个基准数据集上的实验结果表明，所提方法在隐式情感分析任务中取得了当前最优（state-of-the-art）性能，验证了RVISA框架的有效性与先进性。