Do we still Need Human Annotators? Prompting Large Language Models for Aspect Sentiment Quad Prediction

URN zum Zitieren dieses Dokuments:: urn:nbn:de:bvb:355-epub-774474
DOI zum Zitieren dieses Dokuments:: 10.5283/epub.77447

Hellwig, Nils Constantin

; Fehle, Jakob

; Kruschwitz, Udo

; Wolff, Christian

Lizenz: Creative Commons Namensnennung 4.0 International
PDF - Veröffentlichte Version
arxiv
(3MB)

Veröffentlichungsdatum dieses Volltextes: 29 Jul 2025 04:53

Alternative Links zum Volltext:Arxiv Verlag

Details

Vorschau: arxiv

Bibliographische Daten exportieren

Zusammenfassung

Aspect sentiment quadruple prediction (ASQP) facilitates a detailed understanding of opinions expressed in a text by identifying the opinion term, aspect term, aspect category and sentiment polarity for each opinion. However, annotating a full set of training examples to finetune models for ASQP is a resource-intensive process. In this study, we explore the capabilities of large language models ...

Nur für Besitzer und Autoren: Kontrollseite des Eintrags

Downloadstatistik

Altmetric

Alternative Statistik (altmetrics)

Weitere Literatur (mittels CORE)

Details

Vorschau: arxiv

Bibliographische Daten exportieren

Zusammenfassung

Zusammenfassung

Downloadstatistik

Downloads

Alternative Statistik (altmetrics)

Weitere Literatur (mittels CORE)

Universitätsbibliothek