MétaCan
Menu
Retour à la cohorte
Enregistrement W4406499798 · doi:10.1109/cascon62161.2024.10838185

Sentiment Analysis with LLMs: Evaluating QLoRA Fine-Tuning, Instruction Strategies, and Prompt Sensitivity

2024· article· en· W4406499798 sur OpenAlexaff
Mustafa Burak Topal, Aysun Bozanta, Ayşe Bener

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSentiment Analysis and Opinion Mining
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Computer scienceSentiment analysisArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

In this study, we explore the performance of large language models (LLMs) and provide insights into the strengths and weaknesses of these models in sentiment analysis. In addition, we explore the impact of various instruction methods and fine-tuning techniques on the models' performance and analyze how sensitive they are to different prompts. Although there are studies comparing LLMs on sentiment analysis tasks, there is a limited number of studies on fine-tuning strategies, instruction variety, and prompt sensitivity of LLMs for sentiment analysis. For this purpose, we used Llama2-7B, Lama3-8B, Mistral-7B, Gemma-7B, and Bloom-7B and compared them with BERT and Roberta. We evaluated fine-tuned and original chat versions with zero and few-shot experiments. We generated various instruction strategies and observed their effects on the performance of the models. We also compared Quantized Low-Rank Adapters (QLoRA) fine-tuning and full fine-tuning with all parameters. The fine-tuned versions performed better compared to the original chat versions on almost all tasks. The fine-tuned and chat versions of Llama3-8B and Mistral-7B outperformed others on these tasks, while the Llama2-7B-chat model often produced invalid responses. Our research indicates that QLoRA is a practical substitute for full fine-tuning, as it lessens computational demands without sacrificing performance. Fine-tuned models were less affected by variations in test prompts compared to chat models. This is likely because their specialized training allows them to better handle queries within their domain. In this exploratory study, we provide insights into the potential of LLMs in sentiment analysis tasks.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,299
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSentiment Analysis and Opinion MiningTravaux en français237 207