贝叶斯网络融合大语言模型用于情感分析
计算与语言
2025-10-31 v1 人工智能
摘要
大型语言模型（LLM）持续发展，越来越多的领域特定变体被定制用于特定任务。然而，这些模型常缺乏透明度和可解释性，微调成本高昂，需要大量的提示工程，跨领域结果不一致，并且因高计算需求造成显著的环境影响。为此，我们提出了基于贝叶斯网络的大语言模型融合（BNLF）框架，通过概率机制整合来自三个大语言模型（包括 FinBERT、RoBERTa 和 BERTweet）的预测，用于情感分析。BNLF 通过在贝叶斯网络中将来自多个大语言模型的情感预测建模为概率节点，实现后期融合。在三个人工标注的金融语料库中进行评估，这些语料库具有不同的语言和语境特征，BNLF 在准确率上比基线大语言模型稳居约六个百分点，凸显其对数据集变异性的鲁棒性以及概率融合在可解释情感分类中的有效性。
引用
@article{arxiv.2510.26484,
title = {Bayesian Network Fusion of Large Language Models for Sentiment Analysis},
author = {Rasoul Amirzadeh and Dhananjay Thiruvady and Fatemeh Shiri},
journal= {arXiv preprint arXiv:2510.26484},
year = {2025}
}