MiniConGTS: 측면 감성 트리플 추출을 위한 근접 최적의 미니멀리즘 대조 그리드 태깅 방식

Aspect Sentiment Triplet Extraction (ASTE)는 주어진 문장에서 감성 트리플을 공동 추출하는 것을 목표로 합니다. 기존의 사전 학습-미세 조정 패러다임 내의 접근 방식은 복잡한 태깅 체계와 분류 헤드를 세심하게 설계하거나, 외부 의미 증강을 통합하여 성능을 향상시키는 경향이 있습니다. 본 연구에서는 처음으로 이러한 태깅 체계의 중복성을 재평가하고 사전 학습된 표현의 내부 강화를 평가하였습니다. 우리는 최소주의적인 태깅 체계와 새로운 토큰 수준 대조 학습 전략을 통합하여 사전 학습된 표현을 개선하고 활용하는 방법을 제안합니다. 제안된 접근 방식은 더 컴팩트한 설계와 낮은 계산 부하를 특징으로 하면서도 최신 기술과 비교해 유사하거나 우수한 성능을 보여주었습니다. 또한, 우리는 이 작업에 대한 GPT-4의 few-shot 학습 및 Chain-of-Thought 시나리오에서의 성능을 처음으로 공식적으로 평가하였습니다. 결과는 큰 언어 모델 시대에도 불구하고 사전 학습-미세 조정 패러다임이 여전히 매우 효과적임을 입증하였습니다.