预测波兰政治文本情感强度：比较监督模型与大语言模型在资源贫乏语言中的表现
计算与语言
2024-07-18 v1 人工智能
摘要
本研究探讨了在资源贫乏的波兰语语境中，使用大语言模型（LLM）预测情感强度的可能性。研究将几种LLM的性能与在10,000篇社交媒体文本上训练的监督模型进行比较，这些文本由专家评判者评估其情感强度。研究结果表明，尽管监督模型通常在准确率和方差方面优于LLM，但LLM作为一种可行的替代方案尤为重要，尤其是考虑到数据标注的高成本。该研究突显了在低资源语言环境中LLM的潜力，以及在不同语言和连续特征上进行情感强度预测及其应用的进一步研究的必要性。对研究者和实践者而言，这些发现暗示了需要根据资源可用性和特定任务要求来权衡选择情感预测方法的细致决策过程。
引用
@article{arxiv.2407.12141,
title = {Predicting Emotion Intensity in Polish Political Texts: Comparing Supervised Models and Large Language Models in a Resource-Poor Language},
author = {Hubert Plisiecki and Piotr Koc and Maria Flakus and Artur Pokropek},
journal= {arXiv preprint arXiv:2407.12141},
year = {2024}
}
备注
The Appendix is located at the very bottom of the manuscript