基于知识的大语言模型驱动的情绪识别深入分析

社交情境中的情绪识别是一项复杂任务，需要整合面部表情和情境上下文的信息。虽然传统的自动情绪识别方法侧重于去情境化的信号，但近期研究强调了情境在塑造情绪感知中的重要性。本文通过利用人类情绪感知的心理学理论来指导自动化方法的设计，为新兴的基于情境的情绪识别领域做出了贡献。我们提出了一种将情绪识别方法与贝叶斯线索整合（BCI）相结合的方法，以整合来自去情境化面部表情的情绪推断和通过大语言模型推断的情境知识。我们在解读社交任务——囚徒困境——中面部表情的语境下测试了该方法。我们的结果明确支持BCI适用于一系列自动情绪识别方法。最佳自动化方法取得了与人类观察者相当的结果，表明该方法有望推动情感计算领域的发展。