초록
Aspect-Based Sentiment Analysis (ABSA, 측면 기반 감성 분석)는 세부적인 측면 수준의 감성 정보를 제공하는 것을 목표로 합니다. ABSA 작업은 다양하며, 현재 주요 패러다임은 각 작업에 대한 작업 특화 모델을 훈련시키는 것입니다. 그러나 ABSA 작업의 적용 시나리오는 종종 다양합니다. 이 해결책은 일반적으로 각 작업에서 우수한 성능을 내기 위해서는 많은 양의 라벨링된 데이터가 필요합니다. 이러한 전용 모델들은 별도로 훈련되고 별도로 예측되며, 작업 간의 관계를 무시합니다. 이러한 문제들을 해결하기 위해, 우리는 Multi-Task Instruction Tuning(다중 작업 지시 조정) 기반의 일반적인 ABSA 프레임워크인 UnifiedABSA(통합형 ABSA)를 제시합니다. 이 프레임워크는 다양한 작업을 일관되게 모델링하고 다중 작업 학습을 통해 작업 간 의존성을 포착할 수 있습니다. 두 개의 벤치마크 데이터셋에 대한 광범위한 실험 결과, UnifiedABSA는 11개의 ABSA 작업에서 전용 모델보다 크게 우수한 성능을 보였으며, 데이터 효율성 면에서도 그 우월성을 입증하였습니다.