真实与 LLM 生成的社交媒体数据中的跨文化灵感检测与分析
计算与语言
2024-06-21 v2 人工智能
摘要
灵感与各种积极结果相关，例如创造力、生产力和幸福感的提升。尽管灵感具有巨大潜力，但相较于仅仅具有吸引力或积极性的内容，在识别具有启发性的内容方面所投入的努力仍然有限。此外，大多数研究集中在西方数据上，很少关注其他文化。本研究是首次通过机器学习方法研究跨文化灵感。我们旨在识别并分析真实的和 AI 生成的跨文化启发性帖子。为此，我们编制并公开发布了 InspAIred 数据集，该数据集包含 2,000 条真实的启发性帖子、2,000 条真实的非启发性帖子和 2,000 条生成的启发性帖子，均匀分布在印度和英国。真实帖子来源于 Reddit，而生成帖子则使用 GPT-4 模型创建。利用该数据集，我们进行了广泛的计算语言学分析，以 (1) 比较不同文化间的启发性内容，(2) 比较 AI 生成的启发性帖子与真实启发性帖子，以及 (3) 确定检测模型能否准确区分不同文化和数据来源的启发性内容。
引用
@article{arxiv.2404.12933,
title = {Cross-cultural Inspiration Detection and Analysis in Real and LLM-generated Social Media Data},
author = {Oana Ignat and Gayathri Ganesh Lakshmy and Rada Mihalcea},
journal= {arXiv preprint arXiv:2404.12933},
year = {2024}
}