TEA Nets 框架结合人工智能与认知网络科学对文本中的目标、事件与施事进行建模
人工智能
2026-05-01 v1 计算机与社会
人机交互
机器学习
社会与信息网络
摘要
我们引入目标-事件-施事网络（TEA Nets）作为一个计算框架，用于从文本中提取主语（“施事”）、动词（“事件”）和宾语（“目标”）。基于认知网络科学和人工智能，TEA Nets 以开源 Python 库的形式实现。我们在三个案例研究中测试了 TEA Nets，展示了该框架在阴谋论文本和大语言模型（LLM）生成的文本回复中进行可解释的情绪检测、语义框架分析和语言学研究的能力。在 LOCO 阴谋语料库中，TEA Nets 揭示，高度阴谋性的叙事（4,227 篇文本）将人称代词（“我”、“你”、“我们”）与相同动作关联的频率是低相似度阴谋叙事的两倍。高阴谋性叙事通过引发愤怒的动作将关注人的元素（“你”、“人们”）连接起来，其程度高于随机基线（），而这一趋势在强调科学行为者（“研究者”、“科学家”）的低相似度阴谋叙事中不存在。在分别包含 212 份（人类）和 200 份（基于 LLM）心理治疗转录文本的 HOPE 和 CounseLLMe 数据集中，TEA Nets 突显了情感差异。在表达感受时，Claude 3 Haiku、GPT-3.5 和人类使用悲伤词汇的频率均高于随机预期，但 Haiku 表达悲伤的情感强度低于人类（）。我们在基于 LLM 模拟患者的心理治疗训练背景下讨论了这些差异。我们的结果表明，目标-事件-施事网络可以从叙事中提取相关的情感、句法和语义洞见，为利用认知网络科学进行文本分析开辟了新途径。
引用
@article{arxiv.2604.27673,
title = {The TEA Nets framework combines AI and cognitive network science to model targets, events and actors in text},
author = {Sebastiano Franchini and Alexis Carrillo and Edoardo Sebastiano De Duro and Riccardo Improta and Ali Aghazadeh Ardebili and Massimo Stella},
journal= {arXiv preprint arXiv:2604.27673},
year = {2026}
}