Page 307 - 《软件学报》2026年第2期

786 软件学报 2026 年第 37 卷第 2 期

情感态度是积极的、消极的还是中立的. 尽管这些早期方法为情感分析领域奠定了基础, 它们通常忽略了文本中
许多重要的情感信息. 随着研究的深入, 学者们追求更高的分析精度和更细的粒度, 这促使情感分析领域的焦点逐
渐转向基于方面的情感分析 (aspect-based sentiment analysis, ABSA). ABSA 的研究起初集中于单个子任务, 如属
性词提取 (aspect term extraction, ATE) [16] 、属性词类别识别 (aspect category detection, ACD) [17] 和属性词情感分类
(aspect sentiment classification, ASC) [18] . 随着技术的发展, 研究开始探索更复杂的任务组合, 包括同时提取属性词
和情感词 [19,20] , 以及识别特定属性词的类别和相应的情感极性 [21,22] . 最近, 端到端模型也被用于提取三元组或四元
组格式的情感元素 [23,24] , 并在多个情感元素提取任务中取得了令人印象深刻的性能. Bao 等人 [3] 引入了一种新的
意见树生成模型, 旨在联合检测树中的所有情感元素. 意见树可以揭示更全面、更完整的方面级情感结构. 此外,
他们采用预训练模型来集成语法和语义特征以生成意见树. 为了解决多重重叠三元组带来的困扰, Zhao 等人 [23]
提出了一种新颖的多重重叠三元组提取方法. 该方法通过学习多个属性词和情感词之间的协作相互作用来解码它
们之间的复杂关系. Gou 等人 [24] 提出了多视图提示 (multi-view prompting, MvP), 它聚合了以不同顺序生成的情感
元素, 利用来自不同视图的类人问题解决过程的直觉.
推荐系统是一项被广泛应用的任务, 其目的是根据用户的偏好和历史行为为用户提供定制化的推荐. 这一领
域的早期研究主要集中在协同过滤技术上 [25−27] , 这是一种通过分析用户间相似性来预测用户可能喜欢的项目的方
法. 然而, 由于协同过滤方法在处理数据稀疏性时的局限性, 导致推荐效果不佳, 因此一些研究开始探索利用用户
的历史评论来缓解这一问题. 这些方法主要分为两类. 一类是历史评论方法 [28,29] . 该方法通过分析用户和项目的评
论内容来学习更丰富的词嵌入, 从而更好地理解用户和项目之间的关系. 另一类是目标评论方法 [30−33] . 这种方法不
仅分析历史评论, 而且在模拟用户与项目之间的交互时, 利用目标评论来提高推荐的准确性. 具体来说, 这种方法
在训练阶段通过分析用户-项目间的互动来构建模型, 并在推理阶段使用类似 Transformer 的层来精确捕捉目标评
论中的细微差别, 以此来优化推荐结果.
1.2 评论生成
近年来, 评论生成作为自然语言生成的一个重要分支, 受到了广泛关注. 该任务的目标是根据给定的输入生成
与上下文一致且富有信息性的评论. 早期的工作利用用户或者产品的基本信息 (例如 ID) 来生成评论 [34,35] . Tang
等人 [35] 使用评论以及项目 ID 作为输入, 利用门控机制来缓解长距离依赖问题, 应用基于 RNN 的解码器来生成最
终的评论. Ni 等人 [30] 提出了 ExpansionNet. 该框架基于编码器-解码器框架, 使用产品标题和评论摘要作为模型输
入, 通过基于感知的方面编码器来合并方面级信息, 并利用注意力融合模块来关注多个编码器的输出. Li 等人 [31]
提出了 RevGAN 模型. 该模型由 3 个组件构成: 自注意递归自编码器、条件判别器和个性化解码器, 利用项目描
述和情感标签来生成定制化评论. 最近, 大语言模型的兴起在多个 NLP 任务上取得了显著的进展. Peng 等人 [36] 首
先通过汇总用户的历史行为来构建提示输入, 然后将作为满意度指标的评分纳入提示中, 这可以进一步提高模型
对用户偏好的理解以及对所生成评论的情感倾向控制. 最后, 将提示文本输入到 LLM 中生成定制化评论.
1.3 多模态融合
多模态融合通过结合来自不同模态的信息, 有效提升了模型的整体性能. 这种技术使模型能更好地理解和处
理复杂数据, 从而提高决策的准确性和鲁棒性 [37,38] . 在多模态情感分析场景中, Zadeh 等人 [39] 将多模态情感分析问
题视为建模模态内和模态间动态的问题, 引入了一种新颖的模型, 称为张量融合网络. 该模型能够端到端地学习这
两种动态情况. 随着 Transformer 的普及, Tsai 等人 [40] 提出了多模态转换器 (MulT), 以端到端的方式解决数据不对
齐问题, 而无需显式对齐数据. 其模型的核心是定向成对跨模态注意力机制. 该机制关注不同时间步长上多模态序
列间的交互, 并潜在地将数据流从一种模态适应到另一种模态. Huang 等人 [41] 引入了多模态 Transformer 在模型层
面融合视-听模态, 从而缓解数据对齐失败和长距离依赖问题. 最近, Yang 等人 [42] 提出了自适应上下文与模态交互
建模 (self-adaptive context and modal-interaction modeling, SCMM) 框架. 不再满足于简单地连接模态特征, 而是根
据模态对整体贡献的不同来分别处理, 以充分挖掘模态间的交互作用.
本文提出的任务在输入和输出方面与多个相似任务有显著不同. 例如, 在情感分析中, 输入通常是已有的评