EHSAN：基于ChatGPT的阿拉伯医疗方面情感分析混合框架

阿拉伯语患者反馈仍未被充分分析，因为方面层次情感标签稀缺且方言多样性阻碍了自动化评估。为填补这一空白，我们引入EHSAN，一个数据中心的混合管道，融合ChatGPT伪标签与针对性的人类审核，以构建首个面向医疗领域的可解释阿拉伯方面情感数据集。每句话被标注为一个方面和情感标签（积极、消极或中性），形成一个与医疗主题相符的 pioneering 数据集，为每个标签提供ChatGPT生成的合理解释以增强透明度。为评估标注质量对模型性能的影响，我们创建了三个训练数据版本：完全监督的集合（所有标签均由人类审核）、准监督的集合（50%的人类审核）以及仅使用机器生成标签的集合。我们对这些数据集对两个转换模型进行微调，用于方面和情感分类。实验结果显示，我们的阿拉伯专用模型即使在最少的人类监督下也实现了高准确率，仅使用ChatGPT生成的标签会导致性能轻微下降。显著减少方面类别数量可在所有指标上显著提升分类性能。这些发现表明，我们的方法在医疗领域实现了有效、可扩展的阿拉伯方面情感分析（SA），将大型语言模型标注与人类专长相结合，产生稳健且可解释的数据集。未来方向包括跨医院泛化、提示词优化以及可解释的数据驱动建模。