Este artigo apresenta uma abordagem para a Tarefa 3 do SemEval-2026, que foca na análise de sentimento baseada em aspectos dimensionais. O trabalho investiga métodos para prever escores reais finos para valência e excitação do sentimento, em vez de rótulos categóricos tradicionais.
- A equipe participa da Subtarefa 1, prevendo escores para aspectos dados, e da Subtarefa 3, extraindo conjuntos completos de detalhes de sentimento, incluindo aspectos, categorias, opiniões e escores.
- Para a tarefa de regressão, a abordagem utiliza um conjunto ponderado de modelos codificadores baseados em transformers.
- Para entradas em russo, o método melhora os dados usando um modelo de linguagem grande para gerar descrições sintéticas de sentimento.
- Para a tarefa de extração, uma LLM decodificadora é ajustada finamente para realizar previsão estruturada, identificando elementos de sentimento e estimando escores numéricos simultaneamente.