SentiXRL：面向复杂文本环境中多语言细粒度情感分类的先进大语言模型框架
计算与语言
2024-11-28 v1
摘要
尽管大型语言模型(LLMs)具有强大的表达能力，生成式模型能够有效捕捉情感结构和深层语义，但在多语言和复杂情境下的细粒度情感分类仍面临挑战。为此，我们提出了情感跨语言识别与逻辑框架(Sentiment Cross-Lingual Recognition and Logic Framework, SentiXRL)，其包含两个模块：情感检索增强模块通过历史对话和逻辑推理提高复杂情境下的情感分类准确性，以及自循环分析协商机制(SANM)以便于在单一模型中实现分类任务的自主决策。我们在多个标准数据集上验证了 SentiXRL 的优势，在 CPED 和 CH-SIMS 数据集上超越了现有模型，在 MELD、Emorynlp 和 IEMOCAP 上实现整体更好的性能。值得注意的是，我们统一了几个细粒度情感标注数据集的标签，并进行了类别混淆实验，揭示了标准数据集中类别不平衡的挑战及其影响。
引用
@article{arxiv.2411.18162,
title = {SentiXRL: An advanced large language Model Framework for Multilingual Fine-Grained Emotion Classification in Complex Text Environment},
author = {Jie Wang and Yichen Wang and Zhilin Zhang and Jianhao Zeng and Kaidi Wang and Zhiyang Chen},
journal= {arXiv preprint arXiv:2411.18162},
year = {2024}
}