从共识到分歧决策：Holocaust 口述历史中的ABC分层情感分析

在领域迁移（domain shift）下，尤其是针对结构复杂的异构性长篇叙事，如大屠杀口述历史，极度挑战情感极性检测。本文对通用情感分类器在大屠杀口述历史语料上的表现进行了规模诊断研究，采用三种预训练变换器（transformer）基 polarity 分类器，对包含 107,305 条句子和 579,013 句子的语料进行分析。随后构建模型输出后，我们引入基于一致性（agreement）的稳定性分类体系（ABC），对模型间输出稳定性进行分层。我们报告了两两一致率、Cohen's Kappa、Fleiss Kappa 以及行归一化混淆矩阵，以定位系统性 disagreement。作为辅助描述信号，应用基于 T5 的情感分类器对每个一致性层级的样本进行分析，以比较各层级间的情感分布。多模型标签三角测量与 ABC 分类体系的结合，提供了一个谨慎、可操作的框架，来刻画情感模型在敏感历史叙事中何处以及如何发生 divergence。模型间的一致性总体而言处于低至中等水平，主要由对中性决策边界的判断所致。