2024年2月，研究生团队博士生王乾龙和硕士生许鸿凌合作的论文 “In-Context Example Retrieval from Multi-Perspectives for Few-Shot Aspect-Based Sentiment Analysis” 获国际计算语言学大会 (International Conference on Computational Linguistics, COLING) 录用。COLING是自然语言处理和计算语言学领域的重要国际学术会议，每两年召开一次，1965年第一届召开以来，COLING已举办了29届。会议将于2024年5月20日至25日在意大利都灵举行。

论文信息：

题目：In-Context Example Retrieval from Multi-Perspectives for Few-Shot Aspect-Based Sentiment Analysis

作者：Qianlong Wang, Hongling Xu, Keyang Ding, Bin Liang and Ruifeng Xu*

论文简介：本工作研究少样本方面级情感分析(Few-shot Aspect-Based Sentiment Analysis, ABSA)任务，并尝试用上下文学习(In-Context Learning, ICL) 范式来解决。然而，ICL的有效性很大程度被上下文示例所影响。现有的相关工作通常利用候选示例和测试输入之间的语义相似性分数来检索示例。然而，这种检索策略可能不能确保在ABSA上产生最优的结果。这是因为仅考虑整体语义视角可能会留下潜在有用的示例，而这些示例与测试输入可能享有句法结构相关性，或者与测试输入具有相同的情感和相似的方面。为了解决此局限性，论文提出同时考虑从整体语义、句法结构相关性和语义摘要三个视角来检索上下文示例，用于支持方面级情感分析。为此，分别从这三个角度构建正负样本对，并使用对比学习来训练检索器。在四个不同领域的ABSA 数据集上的实验结果表明所提出的检索框架显著优于先前的检索基线方法。此外，论文对少样本方面级情感分析任务中影响 ICL性能的因素进行了系统分析。分析结果可以启发和推进未来的相关研究。