InfoAffect：信息传播中关于信息图的情感标注
计算机视觉与模式识别
2026-01-19 v2
摘要
信息图在社交媒体中广泛用于传递复杂信息，但其对用户情感的影响尚未得到充分探索，主要因缺乏相关数据集。为填补这一空白，我们引入了一个包含 3500 余条样本的情感标注 InfoAffect 数据集，融合了文本内容与真实场景信息图。我们首先从六个领域收集原始数据，通过预处理、伴随文本优先方法以及三种策略确保数据质量与合规性。随后构建情感表（Affect Table）以约束标注过程。我们利用五个领先的多模态大语言模型（MLLMs）分析两种模态，其输出经 Reciprocal Rank Fusion（RRF）算法融合后得到稳健的情感标签与置信度。我们开展了两项用户研究来验证可用性并评估 InfoAffect 数据集，采用复合情感一致性指数（CACI）进行评估，总体得分为 0.608，表明准确率较高。InfoAffect 数据集已发布于 https://github.com/bulichuchu/InfoAffect-dataset 公开仓库中。
引用
@article{arxiv.2511.06404,
title = {InfoAffect: Affective Annotations of Infographics in Information Spread},
author = {Zihang Fu and Yunchao Wang and Chenyu Huang and Guodao Sun and Ronghua Liang},
journal= {arXiv preprint arXiv:2511.06404},
year = {2026}
}