Datasets:

Modalities:
Text
Formats:
json
ArXiv:
Libraries:
Datasets
pandas
xinxngxin commited on
Commit
f1d8ed6
1 Parent(s): 2059e44

Add researched SOTA result

Browse files
Files changed (1) hide show
  1. README.md +21 -0
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
+