Este artículo presenta un enfoque para la Tarea 3 de SemEval-2026, que se centra en el análisis de sentimiento basado en aspectos dimensionales. El trabajo investiga métodos para predecir puntuaciones reales finas para la valencia y la activación del sentimiento en lugar de etiquetas categóricas tradicionales.

  • El equipo participa en la Subtarea 1, prediciendo puntuaciones para aspectos dados, y la Subtarea 3, extrayendo conjuntos completos de detalles de sentimiento que incluyen aspectos, categorías, opiniones y puntuaciones.
  • Para la tarea de regresión, el enfoque utiliza un conjunto ponderado de modelos codificadores basados en transformadores.
  • Para entradas en idioma ruso, el método mejora los datos utilizando un modelo de lenguaje grande para generar descripciones sintéticas de sentimiento.
  • Para la tarea de extracción, una LLM decodificadora se ajusta finamente para realizar predicción estructurada, identificando elementos de sentimiento y estimando puntuaciones numéricas simultáneamente.