超越情感分类：情感强度评估的生成框架

我们提出一种新颖的方法，将情感建模的焦点从识别转向评估，以解决在金融等应用领域中离散分类的局限性。通过构建情感强度评分数据集并微调开源生成式语言模型以输出 0-100 范围内的连续值，我们展示了一种更具表达性和可泛化性的情感与情感分析框架。我们的发现不仅超越了分类基线，还揭示了与情感和唤醒等相关构造的意外泛化能力和迁移效应。这一工作通过引入情感强度评估作为分类的替代方案，主张这一转变更符合诸如金融等领域的需求，在这些领域中，情感内容的程度对于解释和决策至关重要。