面向非英语文本的情感分类：基于 NLI 的零样本情感分类中英语提示优于目标语言提示

情感分类是一项具有挑战性的任务，涉及解释潜在情感刺激文本描述的过程。此外，情感类别集合高度依赖于具体领域。例如，文学分析可能需要使用审美情感(例如，发现某事物美观)，而社交媒体分析则可能受益于更细粒度的集合(例如，将愤怒与恼怒区分开来)，而不仅仅是那些由 Paul Ekman 提出的基本类别(愤怒、厌恶、恐惧、喜悦、惊讶、悲伤)。这使得该任务成为零样本分类的有趣领域，在这种情况下，标签集合在模型开发时是未知的。不幸的是，大多数情感分析资源都是英文的，因此大多数情感分析研究都在英文中进行，包括使用语言模型进行文本标签提示的研究。这留下了一个我们在本文中所addresses的研究空白：我们应该以哪种语言来提示用于非英语文本的情感标签？这在我们拥有多语言大型语言模型的情况下尤其有趣，因为我们可以即使为非英语数据也请求英文标签。我们的实验结果表明，针对自然语言推理-based 语言模型进行实验，显示即使数据是其他语言，也始终更好地使用英文提示。