利用大语言模型估计多词表达式特征：具体性、价值感和唤醒度
计算与语言
2024-08-30 v1
摘要
本研究探讨了大语言模型（LLM）为多词表达式提供准确具体性、价值感和唤醒度估计的潜力。不同于以往人工智能方法，LLM能够捕捉多词表达式的细微含义。我们系统评估了ChatGPT-4o预测多词表达式具体性、价值感和唤醒度的能力。在研究1中，ChatGPT-4o对于多词表达式的具体性评级（r = .8）与人类具体性评级之间表现出强烈相关性。在研究2中，这些发现针对单个词的价值感和唤醒度评级重复出现，匹配或优于以前的AI模型。在研究3中，我们将普遍性和唤醒度分析扩展到多词表达式，并尽管缺乏大规模人类基准，仍显示出有前景的成果。这些发现凸显了LLM为生成与多词表达式相关的心理语言学数据方面的潜力。为帮助研究人员进行刺激物选择，我们提供了包含126,397个英文单词和63,680个多词表达式AI规范具体性、价值感和唤醒度数据集。
引用
@article{arxiv.2408.16012,
title = {Using large language models to estimate features of multi-word expressions: Concreteness, valence, arousal},
author = {Gonzalo Martínez and Juan Diego Molero and Sandra González and Javier Conde and Marc Brysbaert and Pedro Reviriego},
journal= {arXiv preprint arXiv:2408.16012},
year = {2024}
}