GuReT：区分内疚与后悔相关文本
计算与语言
2024-01-31 v1 人工智能
摘要
人类决策与情绪（尤其是内疚和后悔）之间错综复杂的关系对行为和幸福感有着深远影响。然而，这些情绪之间微妙的区别和相互作用在计算模型中常常被忽视。本文引入了一个专门用于剖析内疚与后悔之间关系及其独特文本标记的数据集，填补了情感计算研究中的一个显著空白。我们的方法将内疚和后悔识别视为一个二元分类任务，并采用三种机器学习技术和六种基于 Transformer 的深度学习技术来对新建数据集进行基准测试。该研究进一步实现了诸如思维链和思维树等创新推理方法，以评估模型的解释逻辑。结果表明，基于 Transformer 的模型具有明显的性能优势，其宏观 F1 分数达到 90.4%，而最佳机器学习分类器的分数为 85.3%，这证明了它们在区分复杂情绪状态方面的卓越能力。
引用
@article{arxiv.2401.16541,
title = {GuReT: Distinguishing Guilt and Regret related Text},
author = {Sabur Butt and Fazlourrahman Balouchzahi and Abdul Gafar Manuel Meque and Maaz Amjad and Hector G. Ceballos Cancino and Grigori Sidorov and Alexander Gelbukh},
journal= {arXiv preprint arXiv:2401.16541},
year = {2024}
}