使用BERT模型实现短语情感识别是否可行？是否需采用其他技术方案？

任务场景说明 #

Ended up deciding that a pebble was best. Less charging, more simplistic ui, buttons seem easier for an older person.
你需要在上述句子中针对提前给定的3个短语less charging、more simplistic UI、easier buttons，结合老年群体智能手表的垂直场景判断情感倾向，无需分析整句情感。

可行性判断：BERT完全可以解决该任务 #

你要做的任务属于目标级情感分析（Targeted Sentiment Analysis, TSA），本身就是BERT类模型的经典适配场景，不需要拆分「短语定位+情感判断」两个独立步骤，端到端即可实现：

• 针对你提前给定目标短语的需求，只需要把输入格式构造为[CLS] 原句子 [SEP] 目标短语 [SEP]输入BERT，模型直接学习当前语境下目标短语的情感标签即可，无需额外做实体抽取定位工作
• 针对老年智能手表的垂直场景，只需要准备几十到上百条该场景下的标注样本，微调通用预训练BERT（优先选择电商/消费电子评论域的预训练权重效果更好），就能达到很高的识别准确率，你举的三个正向评价样本都可以被正确识别。

可选轻量化替代方案 #

如果不想做模型微调，也可以选择其他成熟方案：

• 直接使用spaCy预训练的目标级情感分析管道，小样本场景下开箱即可获得不错的效果
• 数据量极少时可以用提示词工程调用通用大模型，输入时明确告知场景规则、待分析句子和目标短语，无需标注数据也能拿到符合要求的结果。

内容的提问来源于stack exchange，提问作者Shahab Kazemi