Add researched SOTA result
Browse files
README.md
CHANGED
|
@@ -27,3 +27,20 @@ language:
|
|
| 27 |
}
|
| 28 |
```
|
| 29 |
> 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。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 27 |
}
|
| 28 |
```
|
| 29 |
> 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。
|
| 30 |
+
|
| 31 |
+
#### 原始数据集
|
| 32 |
+
- 数据[链接](https://alt.qcri.org/semeval2016/task5/)
|
| 33 |
+
- Paper：[SemEval-2016 Task 5: Aspect Based Sentiment Analysis](https://aclanthology.org/S16-1002/)
|
| 34 |
+
- 说明：数据分为Laptop和restaurant两个主题的数据，分别在两个文件夹中放置。两个主题的数据抽取的元素不同。
|
| 35 |
+
|
| 36 |
+
#### 当前SOTA
|
| 37 |
+
*数据来自[PaperWithCode](https://paperswithcode.com/sota)*
|
| 38 |
+
|
| 39 |
+
- SemEval2016-Laptop
|
| 40 |
+
未调研到相关评测工作
|
| 41 |
+
|
| 42 |
+
- [SemEval2016-Restaurant](https://paperswithcode.com/sota/aspect-based-sentiment-analysis-on-semeval-2)
|
| 43 |
+
- 评价指标：Accuracy(抽取的分类准确率)
|
| 44 |
+
- 模型：BERT-IL Finetuned (**88.70**)
|
| 45 |
+
- Paper：[Does BERT Understand Sentiment? Leveraging Comparisons Between Contextual and Non-Contextual Embeddings to Improve Aspect-Based Sentiment Models](https://paperswithcode.com/paper/does-bert-understand-sentiment-leveraging)
|
| 46 |
+
- 信息来源：[SemEval-2016](https://paperswithcode.com/sota/aspect-based-sentiment-analysis-on-semeval-2)
|