PERCEIVE：面向社交媒体的个性化情感与沟通行为理解基准
社会与信息网络
2026-05-14 v1 人工智能
计算与语言
摘要
当前的社交媒体情感分析主要以作者为中心，无法捕捉情感响应在不同读者中的主观性。这一范式忽略了个体感知、沟通行为与底层社交网络之间的关键联系。为弥合这一差距，我们提出 PERCEIVE，这是一个新型的双语（英语和中文）大规模基准，据我们所知是首个集成五个关键社交感知维度的基准：作者创作的内容、来自真实读者的情感反馈（来自其评论）、沟通行为、用户属性以及社交图谱。该基准实现了向真正基于读者的个性化分析范式的转变，使得同一内容的不同读者的情感响应通过其真实交互自然地被捕捉。通过标注读者评论中的情感并同步捕获沟通意图，PERCEIVE 提供了独特的资源，用于建模情感与行为之间的内在耦合，同时以社交语境为基础。我们建立了全面的评估协议，测试了包括大语言模型（LLM）在内的前沿方法，后者采用了高级推理增强。我们的发现揭示了在处理这一多维度、面向用户的任务时，现有方法存在显著不足。PERCEIVE 提供了社交智能 NLP 的基础资源和明确的研究方向，推动模型更全面地理解社交媒体上的情感。
引用
@article{arxiv.2605.12525,
title = {PERCEIVE: A Benchmark for Personalized Emotion and Communication Behavior Understanding on Social Media},
author = {Jian Liao and Yujin Zheng and Suge Wang and Jianxing Zheng and Deyu Li},
journal= {arXiv preprint arXiv:2605.12525},
year = {2026}
}