NEUDM/acos

> 上述数据集为ABSA(Aspect-Based Sentiment Analysis)领域数据集，基本形式为从句子中抽取：方面术语、方面类别(术语类别)、术语在上下文中情感极性以及针对该术语的观点词，不同数据集抽取不同的信息，这点在jsonl文件的“instruction”键中有分别提到，在此我将其改造为了生成任务，需要模型按照一定格式生成抽取结果。

#### 以acos数据集中抽取的jsonl文件一条数据举例：

```
{
"task_type": "generation",
"dataset": "acos",
"input": ["the computer has difficulty switching between tablet and computer ."],
"output": "[['computer', 'laptop usability', 'negative', 'difficulty']]",
"situation": "none",
"label": "",
"extra": "",
"instruction": "
Task: Extracting aspect terms and their corresponding aspect categories, sentiment polarities, and opinion words.
Input: A sentence
Output: A list of 4-tuples, where each tuple contains the extracted aspect term, its aspect category, sentiment polarity, and opinion words (if any). Supplement: \"Null\" means that there is no occurrence in the sentence.
Example:
Sentence: \"Also it's not a true SSD drive in there but eMMC, which makes a difference.\"
Output: [['SSD drive', 'hard_disc operation_performance', 'negative', 'NULL']]'
"
}
```
> 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。

#### 原始数据集
- 数据[链接](https://github.com/IsakZhang/ABSA-QUAD)
- Paper: [Aspect-Category-Opinion-Sentiment Quadruple Extraction with Implicit Aspects and Opinions](https://aclanthology.org/2021.acl-long.29.pdf)
- 说明：原始数据集由Restaurant-ACOS和Laptop-ACOS两个文件夹的数据组成，本次改造我将两个数据集的数据合并并区分为train、validation与test

#### 当前SOTA
*数据来自[论文](https://arxiv.org/abs/2305.09193)*

- 评价指标：F1 score
- SOTA模型：E2H-large (Restaurant-ACOS上F1 Score：**63.50** ， Laptop-ACOS上F1 Score：**44.51**)
- Paper：[Easy-to-Hard Learning for Information Extraction](https://arxiv.org/pdf/2305.09193.pdf)
- 说明：该论文来自[Google Scholar](https://scholar.google.com/scholar?as_ylo=2023&hl=zh-CN&as_sdt=2005&sciodt=0,5&cites=5295149944344120368&scipsc=)检索到的引用ACOS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。

原始信息汇总

数据集概述

数据集类型

• 领域：Aspect-Based Sentiment Analysis (ABSA)
• 任务类型：Generation

数据集内容

• 数据结构：每条数据包含方面术语、方面类别、情感极性和观点词。
• 输入格式：句子
• 输出格式：4-tuple列表，每个tuple包含方面术语、方面类别、情感极性和观点词。

数据集示例

• 输入："the computer has difficulty switching between tablet and computer ."
• 输出：[[computer, laptop usability, negative, difficulty]]

数据集来源

• 原始数据集：由Restaurant-ACOS和Laptop-ACOS两个文件夹的数据组成，已合并并区分为train、validation与test。
• 相关论文：Aspect-Category-Opinion-Sentiment Quadruple Extraction with Implicit Aspects and Opinions

当前SOTA模型

• 评价指标：F1 score
• 模型：E2H-large
• 性能：在Restaurant-ACOS上F1 Score为63.50，在Laptop-ACOS上F1 Score为44.51。
• 相关论文：Easy-to-Hard Learning for Information Extraction

搜集汇总

背景与挑战

背景概述

NEUDM/acos是一个基于方面的情感分析（ABSA）数据集，专注于从产品评论句子中抽取方面术语、方面类别、情感极性和观点词组成的四元组。该数据集规模中等，包含约6,360条文本数据，划分为训练、验证和测试集，适用于生成式模型训练，旨在支持细粒度的情感信息提取任务。