借助预训练模型解开情感谜题
计算与语言
2025-10-23 v1 人工智能
摘要
Transformer 模型在情感识别领域取得了显著进展。然而，在探索大语言模型（LLM）的开放式查询时，仍存在一些开放性挑战。尽管当前模型表现良好，但对开放文本的自动情感分析仍面临显著挑战，如情境模糊、语言可变性以及难以解释复杂情感表达。这些限制使得直接将通用模型应用于情感分析困难。因此，本工作比较了在三个不同情境下进行情感检测时，微调和提示工程的有效性：(i) 微调的预训练模型和通用 LLM 使用简单提示的性能；(ii) 不同情感提示设计对 LLM 的有效性；(iii) 情感分组技术对这些模型的影响。实验测试显示，针对情感识别使用微调的预训练模型可达到 70% 以上的准确率。此外，研究发现，LLM 需要结构化的提示工程和情感分组来提升其性能。这些进展改善了情感分析、人机交互以及理解用户行为在各个领域中的应用。
引用
@article{arxiv.2510.19668,
title = {Unraveling Emotions with Pre-Trained Models},
author = {Alejandro Pajón-Sanmartín and Francisco De Arriba-Pérez and Silvia García-Méndez and Fátima Leal and Benedita Malheiro and Juan Carlos Burguillo-Rial},
journal= {arXiv preprint arXiv:2510.19668},
year = {2025}
}