{“id”：“https://openalex.org/W4223475522“，”doi“：”https://doi.org/10.18653/v1/2022.findings-naacl.58“，”title“：”Few-shot Aspect-Based Senument Analysis的生成语言模型“，”display_name“：”基于Few-sshot Aspect的情感分析的生成语言模式“，”publication_year“：2022，”publitation_date“：”2022-01-01“，”ids“：{”openalex“：”https://openalex.org/W4223475522“，”doi“：”https://doi.org/10.18653/v1/2022.findings-naacl.58“}，”language“：”en“，”primary_location“：{”is_oa“：true，”landing_page_url“：”https://doi.org/10.18653/v1/2022.findings-naacl.58，“pdf_url”：https://aclcollectory.org/2022.findings-nameacl.58.pdf，“源”：{“id”：https://openalex.org/S4363605604“，”display_name“：”计算语言学协会的调查结果：NAACL 2022“，”issn_l“：null，”issn“：null，”is_oa“：false，”is_ in_doaj“：false，”host_organization“：nul，”hose_organization_name“:null，“host_orgganization_lineage”：[]，”hosd_organisation_lineage_names“：[]”，“type”：“conference”}，“license”：“cc-by”，“licence_id”：“”https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}，”type“：”article“，”type_crossref“：“procesdings-article”，”indexed_in“：[”crossref“]，”open_access“：{”is_oa“：true，”oa_status“：”hybrid“，”oa_url“：”https://aclantology.org/2022.findings-naacl.58.pdf“，”any_repository_has_fulltext“：true｝，”authorships“：[｛”author_position“：”first“，”author“：｛”id“：”https://openalex.org/A5020404017“，”display_name“：”Ehsan Hosseini-Asl“，”orcid“：null}，”institutions“：[{”id“：”https://openalex.org/I4210155268“，”display_name“：”Salesforce（美国）“，”ror“：”https://ror.org/057315g56“，”country_code“：”US“，”type“：“company”，”lineage“：[”https://openalex.org/I4210155268“]}]，”国家“：[”美国“]，”is_corresponding“：false，”raw_author_name“：”Ehsan Hosseini-Asl“，”raw _ afiliation_strings“：[“Salesforce AI Research”]}，{“author_position”：“middle”，“author”：{“id”：“https://openalex.org/A5069021125“，”display_name“：”刘文浩“，”orcid“：”https://orcid.org/0000-0001-9757-1077}，“机构”：[{“id”：https://openalex.org/I4210155268“，”display_name“：”Salesforce（美国）“，”ror“：”https://ror.org/057315g56“，”country_code“：”US“，”type“：“company”，”lineage“：[”https://openalex.org/I4210155268“]}]，”国家“：[”美国“]，”is_corresponding“：false，”raw_author_name“：”刘文浩“，”raw_affiliation_strings“：[“Salesforce AI Research”]}，{“author_position”：“last”，“author”：{“id”：“https://openalex.org/A5032046813“，”display_name“：”菜名熊“，”兽人“：”https://orcid.org/0000-0003-0349-8628}，“机构”：[{“id”：https://openalex.org/I4210155268“，”display_name“：”Salesforce（美国）“，”ror“：”https://ror.org/057315g56“，”country_code“：”US“，”type“：“company”，”lineage“：[”https://openalex.org/I4210155268“]}]，”countries“：[”US“]，”is_corresponding“：false，”raw_author_name“：”Caiming Xiong“，”raw _affiliation_strings“：【”Salesforce AI Research“】}]，“countries_distict_count”：1，”institutions_disticent_count“：1，“corresponding_author_ids”：[]，”correspounding_institution_ids“：[]”，“apc_list”：null，”apc_payed“：null”，“has_fulltext”：false计数“：9，”cited_by_percentile_year“：{“min”：93，“max”：94}，“biblio”：{卷：null，“问题”：nullhttps://openalex.org/T10664“，”display_name“：”情绪分析与意见挖掘“，”score“：0.9984，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”人工智能“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，”主题“：[{”id“：”https://openalex.org/T10664“，”display_name“：”情绪分析与意见挖掘“，”score“：0.9984，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”人工智能“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T10028“，”display_name“：”自然语言处理“，”score“：0.9978，”subfield“：{”id“：”https://openalex.org/subfields/1702“，”display_name“：”人工智能“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T13910“，”“display_name”：“社会科学中的计算文本分析”，“score”：0.9798，“subfield”：{“id”：“https://openalex.org/subfields/3300“，”display_name“：”普通社会科学“}，”字段“：{”id“：”https://openalex.org/fields/33“，”display_name“：”社会科学“}，”域“：{”id“：”https://openalex.org/domains/2“，”display_name“：”社会科学“}}]，”关键词“：[{”id“：”https://openalex.org/keywords/aspect-based-sentiment-analysis网站“，”display_name“：”基于方面的情绪分析“，”score“：0.673724}，{”id“：”https://openalex.org/keywords/natural-language-processing“，”display_name“：”自然语言处理“，”score“：0.57032}，{”id“：”https://openalex.org/keywords/topic-modeling网站“，”display_name“：”Topic Modeling“，”score“：0.569996}，{”id“：”https://openalex.org/关键词/表情识别“，”display_name“：”情绪识别“，”score“：0.549422｝，｛”id“：”https://openalex.org/keywords/sementiment-analysis网站“，”display_name“：”情绪分析“，”score“：0.544164}]，”concepts“：[{”id“：”https://openalex.org/C41008148，“wikidata”：https://www.wikidata.org/wiki/Q21198“，”display_name“：”计算机科学“，”level“：0，”score“：0.8661152}，{”id“：”https://openalex.org/C167966045，“wikidata”：https://www.wikidata.org/wiki/Q5532625“，”display_name“：”生成模型“，”level“：3，”score“：0.6929288}，{”id“：”https://openalex.org/C66402592，“wikidata”：https://www.wikidata.org/wiki/Q2271421“，”display_name“：”情绪分析“，”level“：2，”score“：0.666331}，{”id“：”https://openalex.org/C39890363，“wikidata”：https://www.wikidata.org/wiki/Q36108“，”display_name“：”生成语法“，”level“：2，”score“：0.6596366}，{”id“：”https://openalex.org/C137293760，“wikidata”：https://www.wikidata.org/wiki/Q3621696“，”display_name“：”语言模型“，”level“：2，”score“：0.6140851}，{”id“：”https://openalex.org/C154945302，“wikidata”：https://www.wikidata.org/wiki/Q11660“，”display_name“：”人工智能“，”level“：1，”score“：0.5970129}，{”id“：”https://openalex.org/C63479239，“wikidata”：https://www.wikidata.org/wiki/Q7353546“，”display_name“：”健壮性（进化）“，”level“：3，”score“：0.56279725}，{”id“：”https://openalex.org/C2780451532，“wikidata”：https://www.wikidata.org/wiki/Q759676“，”display_name“：”Task（project management）“，”level“：2，”score“：0.54767364}，{”id“：”https://openalex.org/C204321447，“wikidata”：https://www.wikidata.org/wiki/Q30642“，”display_name“：”自然语言处理“，”level“：1，”score“：0.4758061}，{”id“：”https://openalex.org/C119857082，“wikidata”：https://www.wikidata.org/wiki/Q2539“，”display_name“：”机器学习“，”level“：1，”score“：0.39724222}，{”id“：”https://openalex.org/C28490314，“wikidata”：https://www.wikidata.org/wiki/Q189436“，”display_name“：”语音识别“，”level“：1，”score“：0.3785576}，{”id“：”https://openalex.org/C55493867，“wikidata”：https://www.wikidata.org/wiki/Q7094“，”display_name“：”生物化学“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C185592680，“wikidata”：https://www.wikidata.org/wiki/Q2329“，”display_name“：”Chemistry“，”level“：0，”score“：0.0}，{”id“：”https://openalex.org/C187736073，“wikidata”：https://www.wikidata.org/wiki/Q2920921“，”display_name“：”管理“，”级别“：1，”分数“：0.0}，{”id“：”https://openalex.org/C162324750，“wikidata”：https://www.wikidata.org/wiki/Q8134“，”display_name“：”经济学“，”level“：0，”score“：0.0}，{”id“：”https://openalex.org/C104317684，“wikidata”：https://www.wikidata.org/wiki/Q7187“，”display_name“：”Gene“，”level“：2，”score“：0.0}]，”mesh“：[]，”locations_count“：2.”locations“：[{”is_oa“：true，”landing_page_url“：”https://doi.org/10.18653/v1/2022.findings-naacl.58，“pdf_url”：https://aclcollectory.org/2022.findings-nameacl.58.pdf，“源”：{“id”：https://openalex.org/S4363605604“，”display_name“：”计算语言学协会的调查结果：NAACL 2022“，”issn_l“：null，”issn“：null，”is_oa“：false，”is_ in_doaj“：false，”host_organization“：nul，”hose_organization_name“:null，“host_orgganization_lineage”：[]，”hosd_organisation_lineage_names“：[]”，“type”：“conference”}，“license”：“cc-by”，“licence_id”：“”https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}，{”is_oa“：true，”landing_page_url“：”https://arxiv.org/abs/2204.05356，“pdf_url”：https://arxiv.org/pdf/2204.05356，“源”：{“id”：https://openalex.org/S4306400194“，”display_name“：”arXiv（康奈尔大学）“，”issn_l“：null，”issn“：null，”is_oa“：true，”is_ in_doaj“：false，”host_organization“：”https://openalex.org/I205783295“，”“host_organization_name”：“康奈尔大学”，“host_organization_lineage”：[“https://openalex.org/I205783295“]，”host_organization_lineage_names“：[”康奈尔大学“]，“type”：“repository”}，“license”：null，“licence_id”：null，“version”：“submittedVersion”，“is_accepted”：false，“is_published”：false}]，“best_oa_location”：{“is_oa”：true，“landing_page_url”：“https://doi.org/10.18653/v1/2022.findings-naacl.58，“pdf_url”：https://aclantology.org/2022.findings-naacl.58.pdf，“源”：{“id”：https://openalex.org/S4363605604“，”display_name“：”计算语言学协会的调查结果：NAACL 2022“，”issn_l“：null，”issn“：null，”is_oa“：false，”is_ in_doaj“：false，”host_organization“：nul，”hose_organization_name“:null，“host_orgganization_lineage”：[]，”hosd_organisation_lineage_names“：[]”，“type”：“conference”}，“license”：“cc-by”，“licence_id”：“”https://openalex.org/licenses/cc-by“，”version“：”publishedVersion“，”is_accepted“：true，”is_published“：true}，”sustainable_development_goals“：[]，”grants“：[]，”datasets“：]，”versions“：[https://openalex.org/W4385572368","https://openalex.org/W4362613237","https://openalex.org/W4205820553","https://openalex.org/W3192794374","https://openalex.org/W2952072295","https://openalex.org/W2359001871","https://openalex.org/W2310403681","https://openalex.org/W2251149342","https://openalex.org/W2140430379","https://openalex.org/W1534961803“]，”ngrams_url“：”https://api.openalex.org/works/W4223475522/ngrams网站“，”“abstract_inverted_index”：{“情感”：[0]，“分析”：[1205]，“是”：[2,26,28,94194]，“an”：[3]，“重要”：[4]，“任务”：[5]，“in”：[6,69142223]，“自然”：[7]，“语言”：[8,13,88108166221]，“处理。in”：[9]，“最近”：[10]，“作品”：[11]，”“预处理”：[12]，“模型”：[14]，“：[15,67]，”经常“：[16]，”使用“：[17,95]，”到“：[18,30,73103]，”实现“：[19]，”最先进的“：[20]，”结果“：[21]，”特别是“：[22]，”何时“：[23191]，”培训“：[24114]，”数据“：[25]，”稀缺。It“：[27]，”common“：[29]，”finetune“：[31]，”on“：[32,41,50119133135188202]，”the“：[33,44,75,81100105111120129153163179192214]，”downstream“：[34]，”task“，”：[35,84]，“通常”：[36]，“by”：[37138157]，“adding”：[38]，“task-specific”：[39115]，“layers”：[40]，“top”：[42]，“of”：[43113219]，“model”。在“：[45]，”this“：[46]，”paper“：[47]，”we“：[48,66]，”focus“：[P9]，”aspect-based“：[51]，”motive“：[52204]，”analysis，“：[53]，”which“：[54]，”including“：[55]，”extracting“：【56】，”aspete“：57】，“term，”：【58】，“category，”：[59]，“and”：[60,77144171198209216]，“predicing”：【61】，“their”：【62]，“对应”：[63]，“极性”。在“：[64]，”special，“：[65]，”interested“：[68]，”fewshot“：[70]，”settings中。我们“：[71]，“提议”：[72]，“重新制定”：[74]，“提取”：[76]，“预测”：[78123190]，“任务”：[79106]，“进入”：[80]，“序列”：[82181]，“生成”：[83109182]，“使用”：[85]，“a”：[86139]，“产生”：[87149165220]，“模型”：[89101154167193222]，“with”：[90]，“单向”：[91]，“注意”：[92]，“（GP T2“：[93]，”除非“：[96]，”说明“：[97]，”否则）。此“：[98]，”方式“：[99]，”学习“：[102]，”完成“：[104]，”通过“：[107196]，”没有“：[110]，”需要“：[112]，”层。我们的“：[116]，“评估”：[117201]，“结果”：[118]，“单一任务”：[121]，“极性”：[122189]，“显示”：[124]，“那”：[125162178]，“我们的”：[126148]，“方法”：[127150]，“表现优异”：[128]，“先前”：[130175]，“现状”：[131]，“（基于”：[132]，“BERT）”：[134]，“平均”：[136]，“性能”：[137]，“大型”：[140]，“页边距”：[141]，“小快照”：[143224]，“完整快照“：[145]，”设置。更多“：[146]，”重要“：[147]，”显著“：[151]，”减少“：[152]，”方差“：[155]，”引起“：[156]，”低资源“：[158]，”数据。我们“：[159]，”进一步“：[160185]，”演示“：[161]，”提议“：[164180]，”可以“：[168]，”处理“：[169]，”联合“：[170197]，”多任务“：[172199]，”设置“：[173]，”不同“：[174]，”工作。我们“：176]，”观察“：[177]，”方法“：[183]，”实现“：[184]，”改进“：[186]，”性能“：[187]，”训练“：[195]，“设置。此外，“：[200]，”类似“：[203]，”数据集“：[206]，”SST-2“：[207]，”SST-5“：[208]，”OOS“：[210]，”意图“：[211]，”检测“：[212]，”验证“：[213]，”优势“：[215]，”噪声“：[217]，”鲁棒性“：[218]，”设置。“：[225]}，”引用_by_api_url“：”https://api.openalex.org/works？filter=cites:W4223475522“，”counts_by_year“：[{”年份“：2024，”cited_by_count“：2}，{”年“：2023，”cited_by_count”：7}]，”更新日期“：“2024-05-17T16:34:41.127473”，”创建日期“：”2022-04-15“}”