AILS-NTUA at SemEval-2026 Task 3: Efficient Dimensional Aspect-Based Sentiment Analysis

Este artigo apresenta o sistema AILS-NTUA para a tarefa DimABSA da SemEval-2026, que combina fine-tuning de codificadores e ajuste de instruções em modelos de linguagem com LoRA para realizar regressão, extração de tripletas e previsão de quadrupletas de sentimento baseado em aspectos de forma eficiente e multilíngue, superando consistentemente as linhas de base.

O essencial

Imagine que você é um crítico de cinema muito detalhista. Quando você vê um filme, não diz apenas "gostei" ou "não gostei". Você diz: "A trilha sonora (aspecto) foi emocionante (opinião) com uma intensidade alta e um sentimento muito positivo".

O artigo que você leu descreve como a equipe AILS-NTUA (da Universidade Técnica de Atenas) criou um "super assistente" de computador para fazer exatamente isso, mas em escala global e com nuances emocionais complexas. Eles participaram de uma competição chamada SemEval-2026, onde o desafio era analisar sentimentos em textos de várias línguas (como inglês, chinês, russo, ucraniano, etc.) e em vários temas (restaurantes, laptops, hotéis, finanças).

Aqui está a explicação do que eles fizeram, usando analogias simples:

1. O Grande Desafio: Não é só "Bom" ou "Ruim"

A maioria dos sistemas de análise de sentimento funciona como um semáforo: Verde (bom), Vermelho (ruim) ou Amarelo (neutro).

Mas a equipe queria algo mais sofisticado. Eles queriam medir a emoção em duas dimensões, como se fosse um mapa de sentimentos:

• Valência (Valence): É o "gosto". Vai do "péssimo" ao "excelente".
• Arousal (Arousal): É a "energia". Vai do "calmo/indiferente" ao "excitado/intenso".

A Analogia: Imagine que o sentimento não é uma luz fixa, mas sim um termômetro de emoção.

• Um filme de terror pode ter uma valência negativa (você odeia o susto) mas um arousal altíssimo (sua adrenalina está no máximo).
• Um filme de comédia romântica pode ter valência positiva e arousal médio (você gosta, mas está relaxado).
  O objetivo do sistema deles era ler um texto e dizer: "O cliente amou a comida (valência alta) e ficou muito animado com o serviço (arousal alto)".

2. A Estratégia: O "Kit de Ferramentas" Inteligente

A equipe percebeu que tentar usar um único robô gigante para todas as tarefas seria como tentar usar um caminhão de bombeiros para entregar uma pizza: funciona, mas é pesado, caro e ineficiente.

Eles dividiram o trabalho em duas abordagens inteligentes:

A. Para a Medição de Emoção (DimASR): O "Médico Especialista"

Para medir os números de valência e arousal, eles usaram modelos de linguagem menores e mais leves, treinados especificamente para cada idioma.

• A Analogia: Imagine que, em vez de ter um único médico generalista que tenta curar todas as doenças, eles contrataram um especialista em cardiologia para o inglês, um especialista em neurologia para o chinês, e assim por diante. Cada especialista conhece os "sotaques" e nuances da sua língua nativa perfeitamente. Isso torna o diagnóstico (a previsão da emoção) muito mais preciso e rápido.

B. Para a Extração de Informações (DimASTE e DimASQP): O "Chef de Cozinha com Receita"

Para encontrar o que foi elogiado, quem elogiou e como, eles usaram Inteligência Artificial Generativa (LLMs), mas com um truque: LoRA.

• O Problema: Treinar um cérebro gigante de IA do zero é como tentar ensinar um elefante a dançar ballet apenas jogando ele no palco. Demora muito e gasta muita energia.
• A Solução (LoRA): Eles usaram uma técnica chamada LoRA (Adaptação de Baixo Rango).
• A Analogia: Imagine que o modelo de IA é um chef de cozinha famoso que já sabe cozinhar de tudo. Em vez de reescrever todo o livro de receitas dele (o que seria caro e lento), a equipe apenas criou pequenos "post-its" (adaptação) com as regras específicas para a tarefa.
  • Para o inglês, eles colaram um post-it com as regras do inglês.
  • Para o russo, um post-it com as regras do russo.
  • O chef continua o mesmo, mas agora ele sabe exatamente o que fazer com aquele post-it específico.
    Isso permite que eles tenham um sistema super inteligente, mas que é muito mais rápido de treinar e consome menos energia.

3. O Resultado: Eficiência e Precisão

O que a equipe descobriu foi surpreendente:

• Robôs menores podem vencer gigantes: Seus modelos "leves" (com menos de 14 bilhões de parâmetros) conseguiram resultados tão bons ou até melhores do que modelos gigantes (com 70 ou 120 bilhões de parâmetros) que foram treinados do zero.
• A lição: Às vezes, um especialista focado (o "médico" ou o "chef com post-its") é melhor do que um generalista gigante e cansado.

4. Os Obstáculos (Limitações)

O artigo também admite que não foi tudo perfeito:

• A "Barreira da Tradução": Eles tentaram traduzir textos de línguas raras (como o Tatar) para inglês, treinar o modelo em inglês e traduzir de volta. Funcionou até certo ponto, mas a tradução perdeu o "sabor" original da língua, como tentar traduzir uma piada cultural: o sentido se perde.
• Dados Escassos: Em línguas com poucos textos disponíveis, o modelo teve mais dificuldade, assim como um aluno que precisa estudar para uma prova mas só tem um livro de texto para ler.

Resumo Final

A equipe AILS-NTUA criou um sistema que é como uma equipe de tradutores e psicólogos especializados. Em vez de usar um único "super-robô" caro e lento, eles usaram muitos "especialistas leves" e "chefes com anotações rápidas" para entender não apenas se alguém gostou de algo, mas como essa pessoa se sentiu (feliz, triste, calma ou excitada) em diferentes idiomas e contextos.

O grande ganho deles foi mostrar que inteligência não precisa ser pesada; com a técnica certa, sistemas menores e mais eficientes podem fazer um trabalho incrível.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "AILS-NTUA at SemEval-2026 Task 3: Efficient Dimensional Aspect-Based Sentiment Analysis", apresentado em português:

1. Problema e Contexto

O artigo aborda a Task 3 do SemEval-2026, intitulada DimABSA (Análise de Sentimento Baseada em Aspectos Dimensional). Diferente da Análise de Sentimento Baseada em Aspectos (ABSA) tradicional, que classifica a polaridade (positivo/negativo/neutro), a DimABSA busca extrair informações emocionais mais granulares e contínuas utilizando o modelo Valência-Arousal (VA):

• Valência (V): Reflete a positividade ou negatividade (escala de 1.00 a 9.00).
• Arousal (A): Reflete a intensidade ou ativação emocional (escala de 1.00 a 9.00).

A tarefa é definida em um cenário multilíngue (6 idiomas: Chinês, Inglês, Japonês, Russo, Tártaro e Ucraniano) e multidomínio (Restaurantes, Laptops, Hotéis e Finanças), dividida em três subtarefas:

1. DimASR (Regressão): Prever os scores de VA para aspectos específicos dados um texto e o alvo.
2. DimASTE (Extração de Tripleto): Extrair triplets (Aspecto, Opinião, VA).
3. DimASQP (Previsão de Quadruplo): Extrair quadruplos (Aspecto, Categoria, Opinião, VA).

Um desafio significativo é a presença de anotações NULL (aspectos ou opiniões implícitos) e a variabilidade distribucional entre os conjuntos de dados de treinamento, validação e teste.

2. Metodologia

A equipe AILS-NTUA propôs uma arquitetura unificada, mas adaptada a cada tarefa, focando na eficiência de parâmetros e na especialização por idioma/domínio.

A. Para DimASR (Regressão de Sentimento)

• Abordagem: Fine-tuning de codificadores (encoders) pré-treinados específicos para cada idioma.
• Arquitetura: Os modelos recebem a concatenação do texto e do aspecto alvo. Utilizam cabeças de regressão escalar para prever Valência e Arousal.
• Backbones Selecionados:
  • Inglês/Japonês: DeBERTa.
  • Chinês: RoBERTa.
  • Russo: BERT-style.
  • Ucraniano/Tártaro: XLM-R (para idiomas sem backbone dedicado).
• Função de Perda: Uma combinação ponderada de Erro Quadrático Médio (MSE) e Coeficiente de Correlação de Concordância (CCC), além de um regularizador de tripletos guiado por VA para melhorar a estrutura do espaço latente.

B. Para DimASTE e DimASQP (Extração Estruturada)

• Abordagem: Geração de texto estruturado (JSON) usando Modelos de Linguagem de Grande Escala (LLMs) com Instruction Tuning.
• Eficiência: Utilização de LoRA (Low-Rank Adaptation) para fine-tuning, mantendo os parâmetros do modelo base congelados e treinando apenas os adaptadores. Isso permite treinar modelos menores (≤14B) com alta eficiência.
• Modelos Utilizados:
  • Inglês: Llama 3.1 8B.
  • Chinês: Qwen 2.5 7B.
  • Japonês, Russo, Ucraniano, Tártaro: Qwen 2.5 14B (escolhido para compensar a menor cobertura multilíngue em idiomas de baixa recursos).
• Prompting: Instruções específicas por idioma que incluem listas de categorias válidas (para DimASQP) e regras estritas para evitar a previsão de "NULL" como solução fácil para casos implícitos. A saída é forçada a ser um JSON válido com chaves numéricas para Valência e Arousal.

3. Contribuições Principais

1. Framework de Regressão Multilíngue Eficiente: Um sistema de regressão baseado em encoders leves que supera as linhas de base fornecidas na maioria dos cenários, otimizado para pares idioma-domínio.
2. Pipeline Unificado de Instrução com LoRA: Uma abordagem que utiliza LLMs de até 14B parâmetros com LoRA para tarefas de extração estruturada (tripleto e quadruplo), alcançando desempenho competitivo ou superior a modelos muito maiores (ex: 70B+ ou 120B) totalmente fine-tuned, mas com custos computacionais drasticamente menores.
3. Estudo de Transferência via Tradução: Uma análise empírica sobre o uso de tradução para transferir conhecimento de idiomas de recursos abundantes (Inglês) para idiomas de baixa recursos. O estudo concluiu que, embora a tradução possa ajudar parcialmente, ela introduz ruído (deslocamento de expressões idiomáticas e spans) que frequentemente degrada o desempenho em avaliação de correspondência exata.

4. Resultados

• DimASR: Os modelos superaram as linhas de base (Kimi K2 Thinking e Qwen 3 14B) na maioria dos domínios de Inglês e Chinês, e no domínio Financeiro Japonês, apesar de terem menos parâmetros. O desempenho caiu em idiomas de baixa recursos (como Tártaro), atribuído a conjuntos de treinamento menores e pré-treinamento linguístico mais fraco.
• DimASTE e DimASQP: Os modelos ≤14B com LoRA alcançaram métricas cF1 (F1 contínuo) competitivas, superando as linhas de base fornecidas e rivalizando com modelos massivos (como Llama 3.3 70B e GPT-OSS 120B) na maioria dos cenários.
  • Desempenho por Idioma: O desempenho foi robusto em Inglês e Chinês. Em idiomas como Tártaro e Russo, a performance foi inferior a modelos muito maiores (ex: Llama 70B), indicando que a escala do modelo ainda importa para idiomas com poucos dados.
  • Desafios: Houve uma queda significativa de desempenho entre os conjuntos de validação e teste em alguns casos (ex: Restaurante Chinês), atribuída a mudanças na distribuição (comprimento do texto e densidade de tuplas).
• Aprendizado Zero-shot/Few-shot: O few-shot superou o zero-shot, mas não alcançou o desempenho do fine-tuning supervisionado, exceto em casos específicos de alto recurso (Inglês/Laptop).

5. Significância e Conclusão

O trabalho demonstra que modelos menores e eficientes, quando devidamente especializados por idioma e domínio e otimizados com técnicas como LoRA e regularização específica de tarefa, podem competir com modelos de escala massiva em tarefas complexas de NLP como a DimABSA.

A principal lição é a importância da especialização (fine-tuning separado por par idioma-domínio) e da eficiência de parâmetros para lidar com a diversidade linguística e de domínio, especialmente em cenários com recursos limitados. O sistema da AILS-NTUA oferece um caminho viável para aplicações de análise de sentimento dimensional em produção, equilibrando custo computacional e precisão.

Limitações Identificadas:

• Necessidade de gerenciar múltiplos checkpoints (um por idioma/domínio).
• Sensibilidade a erros de formatação e paráfrases na geração de JSON, penalizados severamente pela métrica cF1.
• Instabilidade em cenários de baixa recursos devido a pequenas variações distribucionais entre os splits de dados.