机构名称：
¥ 1.0
关键点分析（KPA）的目的是定量摘要，该摘要提供了关键点（KPS）作为衡量其患病率的简洁文本摘要和量子。KPA对论点和评论的研究。大多数KPA研究都采用监督的学习，将简短的句子视为KP，然后与KP匹配以审查量化KP患病率的评论。最近的抽象方法仍基于句子产生KP，通常会导致KP具有重叠和幻觉的意见，并且量化不准确。在本文中，我们提出了提示的方面关键点分析（PAKPA），以进行定量审查摘要。pakpa采用方面情感分析，并促使使用大型语言模型（LLMS）的文本学习生成和量化基于业务实体的KPS，这可以通过准确的量化来实现信仰的KP，并重新提高了对大量调查数据进行监督培训的需求。在流行评论数据集Yelp和面向方面的评论摘要数据集的步伐上进行的实验表明，我们的框架实现了最先进的性能。源代码和数据可用：https：//github.com/ antangrocket1312/pakpa
提示了定量审查摘要的方面关键点分析
主要关键词
相关文件推荐
