情绪如何？引导从移动应用评论中提取细粒度情绪

意见挖掘在分析用户反馈和从文本数据中提取见解方面发挥着重要作用。尽管大多数研究侧重于情感极性（如正面、负面、中性），但应用评论中的细粒度情绪分类仍未得到充分探索。因此，需要细粒度情绪分类来更好地理解用户的情感反应，并支持下游任务，如特征-情绪分析、面向用户的版本规划和问题分流。本文通过识别并解决应用评论背景下细粒度情绪分析中的挑战与局限性，填补了这一空白。我们的研究通过开发结构化标注框架和数据集，将 Plutchik 情绪分类法适配于应用评论。通过迭代式人工标注过程，我们定义了清晰的标注指南，并记录了情绪分类中的关键挑战。此外，我们评估了使用大型语言模型自动进行情绪标注的可行性，评估了其成本效益以及与人工标注数据的一致性。研究结果表明，尽管大型语言模型显著减少了人工工作量并与人工标注者保持实质性一致，但由于情绪解释的复杂性，完全自动化仍具挑战性。这项工作通过提供结构化指南、标注数据集以及开发自动化管道以捕捉应用评论中情绪复杂性的见解，为软件需求工程中的意见挖掘做出了贡献。