大型语言模型用于情感分析以检测社会挑战：南非语言的用例
计算与语言
2025-11-24 v1 人工智能
摘要
情感分析有助于理解人们对社会议题的意见和情感。在多语言社区中，情感分析系统可用于快速识别社交媒体帖子中的社会挑战，从而使政府部门能够更精确、更有效地检测和解决这些问题。最近，大型语言模型（LLM）已向广大公众开放，初始分析表明它们在英语中的零样本情感分析能力出色。然而，尚无研究探讨如何利用LLM对南非语言的社交媒体帖子进行情感分析以检测社会挑战。因此，本文我们分析了GPT-3.5、GPT-4、LlaMa 2、PaLM 2和Dolly 2等最先进LLM的零样本性能，探讨这些模型对10个最新社交媒体话题（涵盖英语、Sepedi和Setswana语言）在10个南非政府部门司法区域内的情感极性。我们的结果显示，各种LLM、话题和语言之间存在显著差异。此外，我们展示了不同LLM结果的融合可在情感分类性能上取得显著提升，情感分类错误率低于1%。因此，现在有望提供可靠的情感分析系统，以检测社会挑战并就特定话题及不同语言群体的具体需求作出决策。
引用
@article{arxiv.2511.17301,
title = {Large Language Models for Sentiment Analysis to Detect Social Challenges: A Use Case with South African Languages},
author = {Koena Ronny Mabokela and Tim Schlippe and Matthias Wölfel},
journal= {arXiv preprint arXiv:2511.17301},
year = {2025}
}
备注
Published in the Proceedings of The Southern African Conference on AI Research (SACAIR 2024), Bloemfontein, South Africa, 2-6 December 2024. ISBN: 978-0-7961-6069-0