医疗领域的情感推理
计算与语言
2025-08-25 v5 人工智能
机器学习
声音
音频与语音处理
摘要
AI医疗决策透明性至关重要。通过为每个预测标签提供理由，用户能够理解大型语言模型（LLM）的推理过程，以作出更明智的决策。本文引入了一种新任务——情感推理——适用于语音和文本两种模态，我们提出的多模态多任务框架和世界上最大的多模态情感分析数据集。情感推理是情感分析中的一种辅助任务，模型在输入转录文本的基础上预测情感标签并生成其背后理由。我们的研究在人类转录文本和自动语音识别（ASR）转录文本上均进行，表明情感推理通过理由增强微调提高了模型的透明度，其语义质量相当于人类水平，同时也提升了模型的分类性能（准确率和宏F1分数均提升约2%）。此外，人类转录文本和ASR转录文本生成的理由在语义质量上没有显著差异。所有代码、数据（五种语言——越南语、英文、中文、德语和法语）和模型均已在线上发布：https://github.com/leduckhai/Sentiment-Reasoning
引用
@article{arxiv.2407.21054,
title = {Sentiment Reasoning for Healthcare},
author = {Khai-Nguyen Nguyen and Khai Le-Duc and Bach Phan Tat and Duy Le and Long Vo-Dang and Truong-Son Hy},
journal= {arXiv preprint arXiv:2407.21054},
year = {2025}
}
备注
ACL 2025 Industry Track (Oral)