Chinchunmei 在 SemEval-2025 任务 11：利用对比学习提升大型语言模型的情感感知能力
计算与语言
2025-08-19 v1
摘要
SemEval-2025 任务 11《跨越文本情感检测中的鸿沟》引入了一个覆盖28种语言的情感识别挑战。该竞赛鼓励研究人员探索更先进的方法，以应对情感表达多样性和背景差异性带来的挑战。该任务包含两个轨道：多标签分类（轨道 A）和情感强度预测（轨道 B），涵盖六种情感类别：愤怒、恐惧、快乐、悲伤、惊讶和厌恶。我们系统性地探讨了两种对比学习方法的优势：样本级（Contrastive Reasoning Calibration）和生成级（DPO, SimPO）对比学习。样本级对比方法通过比较两个样本来生成更可靠的预测。生成级对比方法通过训练模型区分正确与错误的生成，以细化其预测。所有模型均基于 LLaMa3-Instruct-8B 进行微调。我们的系统在英语轨道 A 中获得第 9 名，在英语轨道 B 中获得第 6 名，而在其他语言中则位于顶尖水平性能系统之中。
关键词
引用
@article{arxiv.2507.15714,
title = {Chinchunmei at SemEval-2025 Task 11: Boosting the Large Language Model's Capability of Emotion Perception using Contrastive Learning},
author = {Tian Li and Yujian Sun and Huizhi Liang},
journal= {arXiv preprint arXiv:2507.15714},
year = {2025}
}