Add researched SOTA result
Browse files
README.md
CHANGED
|
@@ -22,3 +22,24 @@
|
|
| 22 |
}
|
| 23 |
```
|
| 24 |
> 此处未设置label和extra，在instruction中以如上所示的字符串模板，并给出一个例子进行one-shot，ABSA领域数据集(absa-quad,acos,arts,aste-data-v2,mams,semeval-2014,semeval-2015,semeval-2016,towe)每个数据集对应instruction模板相同，内容有细微不同，且部分数据集存在同一数据集不同数据instruction内容不同的情况。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 22 |
}
|
| 23 |
```
|
| 24 |
> 此处未设置label和extra，在instruction中以如上所示的字符串模板，并给出一个例子进行one-shot，ABSA领域数据集(absa-quad,acos,arts,aste-data-v2,mams,semeval-2014,semeval-2015,semeval-2016,towe)每个数据集对应instruction模板相同，内容有细微不同，且部分数据集存在同一数据集不同数据instruction内容不同的情况。
|
| 25 |
+
|
| 26 |
+
|
| 27 |
+
#### 原始数据集
|
| 28 |
+
- 数据[链接](https://github.com/zhijing-jin/ARTS_TestSet)
|
| 29 |
+
- Paper: [Tasty Burgers, Soggy Fries: Probing Aspect Robustness in Aspect-Based Sentiment Analysis](https://arxiv.org/pdf/2009.07964.pdf)
|
| 30 |
+
- 说明：原始数据集由laptop和restaurant两个领域的的json数据组成，本次改造我将两个数据集的数据合并并区分为train、validation与test，该数据的提出目的是测试模型鲁棒性，因此在引用该数据集的文章中多是通过在一个领域的数据上训练，在该数据集的另一个领域上测试。
|
| 31 |
+
|
| 32 |
+
|
| 33 |
+
#### 当前SOTA
|
| 34 |
+
*数据来自[论文](https://arxiv.org/abs/2303.02846)*
|
| 35 |
+
|
| 36 |
+
- 评价指标：macro-averaged F1
|
| 37 |
+
- SOTA模型：CVIB
|
| 38 |
+
- 其他领域数据训练后在restaurant数据集上macro-averaged F1：**70.29**
|
| 39 |
+
- restaurant数据集上训练并测评的macro-averaged F1：**82.03**
|
| 40 |
+
- 其他领域训练后在laptop上测评的macro-averaged F1：**69.39**
|
| 41 |
+
- laptop数据集上训练并测评的macro-averaged F1：**77.53** )
|
| 42 |
+
- Paper：[Reducing Spurious Correlations for Aspect-Based Sentiment Analysis with Variational Information Bottleneck and Contrastive Learning](https://arxiv.org/pdf/2303.02846.pdf)
|
| 43 |
+
- 说明：该论文来自[Google Scholar](https://scholar.google.com/scholar?as_ylo=2023&q=ABSA+ARTS&hl=zh-CN&as_sdt=0,5)检索到的引用ARTS原论文的论文之一，我比较了2023年的一些论文工作后筛选了一个最优指标以及模型。
|
| 44 |
+
|
| 45 |
+
|