arXiv 2604.070662026-04-08cs.CL

SemEval-2026任务3：基于维度的方面情感分析（DimABSA）

SemEval-2026 Task 3: Dimensional Aspect-Based Sentiment Analysis (DimABSA)

Yuan Ze University（元智大学）；University of Göttingen（哥廷根大学）；Imperial College London（伦敦帝国学院）；University of Pretoria（比勒陀利亚大学）；National Yang Ming Chiao Tung University（国立阳明交通大学）；Central Police University（中央警察大学）；Yunnan University（云南大学）；Lomonosov Moscow State University（莫斯科国立大学）；Skoltech（斯科尔科沃科学技术学院）；AIRI（人工智能研究所）；Maseno University（马塞诺大学）；UCLA（加州大学洛杉矶分校）；National Research Council Canada（加拿大国家研究委员会）

Liang-Chih Yu, Jonas Becker, Shamsuddeen Hassan Muhammad, Idris Abdulmumin, Lung-Hao Lee, Ying-Lung Lin, Jin Wang, Jan Philip Wahle, Terry Ruas, Natalia Loukach… 展开作者

Liang-Chih Yu, Jonas Becker, Shamsuddeen Hassan Muhammad, Idris Abdulmumin, Lung-Hao Lee, Ying-Lung Lin, Jin Wang, Jan Philip Wahle, Terry Ruas, Natalia Loukachevitch, Alexander Panchenko, Ilseyar Alimova, Lilian Wanzare, Nelson Odhiambo, Bela Gipp, Kai-Wei Chang, Saif M. Mohammad

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出SemEval-2026任务3，旨在通过建模valence-arousal（VA）维度改进传统ABSA，引入DimStance任务以扩展ABSA至公共议题讨论，包含两个赛道和三个子任务，提出连续F1指标评估。

摘要：

我们提出了SemEval-2026共享任务，即基于维度的方面情感分析（DimABSA），通过建模valence-arousal（VA）维度而非使用类别极性标签来改进传统ABSA。为将ABSA扩展到公共议题讨论（如政治、能源和气候问题），我们引入了额外任务Dimensional Stance Analysis（DimStance），将立场目标视为方面，并将立场检测重新表述为VA空间中的回归。该任务包含两个赛道：Track A（DimABSA）和Track B（DimStance）。Track A包含三个子任务：（1）维度方面情感回归，（2）维度方面情感三元组提取，（3）维度方面情感四元组提取，而Track B仅包含针对立场目标的回归子任务。我们还引入了连续F1（cF1）指标，以联合评估结构提取和VA回归。该任务吸引了超过400名参与者，产生了112份最终提交和42篇系统描述论文。我们报告了基线结果，讨论了表现最佳的系统，并分析了关键设计选择，以提供关于方面和立场目标层面维度情感分析的见解。所有资源均可在我们的GitHub仓库中获取。

英文摘要：

We present the SemEval-2026 shared task on Dimensional Aspect-Based Sentiment Analysis (DimABSA), which improves traditional ABSA by modeling sentiment along valence-arousal (VA) dimensions rather than using categorical polarity labels. To extend ABSA beyond consumer reviews to public-issue discourse (e.g., political, energy, and climate issues), we introduce an additional task, Dimensional Stance Analysis (DimStance), which treats stance targets as aspects and reformulates stance detection as regression in the VA space. The task consists of two tracks: Track A (DimABSA) and Track B (DimStance). Track A includes three subtasks: (1) dimensional aspect sentiment regression, (2) dimensional aspect sentiment triplet extraction, and (3) dimensional aspect sentiment quadruplet extraction, while Track B includes only the regression subtask for stance targets. We also introduce a continuous F1 (cF1) metric to jointly evaluate structured extraction and VA regression. The task attracted more than 400 participants, resulting in 112 final submissions and 42 system description papers. We report baseline results, discuss top-performing systems, and analyze key design choices to provide insights into dimensional sentiment analysis at the aspect and stance-target levels. All resources are available on our GitHub repository.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。