基于提示学习的少样本情感分类研究

来源：计算机工程与科学杂志2026年第2期北京时间：

作者：王德兴, 周闯, 袁红春

单位：上海海洋大学信息学院，上海 201306

摘要：针对预训练语言模型基于微调的方法在少样本学习场景下进行情感分类效果不好的问题，提出了一种基于改进提示学习和原型标签映射的少样本情感分类方法。在采用提示学习构建提示模板时，融入原始文本的关键词信息，提高文本中关键信息对标签结果影响的权重；然后在标签映射过程中引入原型网络，学习不同类别的原型向量，根据学习到的原型向量将模型预测结果映射到具体的标签上。在EPRSTMT和SST-2这2个数据集上的实验结果表明，所提方法的模型在少样本场景下的平均准确率指标达到了88.7%和91.9%，相比于微调方法，所提方法的模型的准确率分别提升了15.5%和14.0%；相比于P-Tuning方法，也提升了2.1%和0.7%。实验结果验证了所提方法的模型在少样本场景下的情感分类的有效性。

关键词：预训练语言模型,情感分类,提示学习,关键词抽取,

基金资助：国家自然科学基金（41776142）