Jul, 2023

通过细粒度评估条件情感自然语言生成事件描述

PDF
TL;DR通过加入评估变量作为条件，在生成框架中包含评价理论能够提高情感文本生成的准确性，并使用户可以实现更加精细的控制生成的文本。
affective text generationappraisal theoriesgeneration frameworkemotion categoryappraisal variables
发现论文，激发创造
  • 使用评价理论进行情感维度建模：语料库创建、注释可靠性和预测

    该研究分析了评估理论作为一种情感分析方法的适用性，结果表明评估概念可以可靠地由人工注释和文本分类器恢复，并且可以帮助确定情感类别，因此评估理论构成了一种替代的计算情感分析范式，并进一步提高了联合模型在文本情感分类中的表现。

    Jun, 2022

  • 文本情感分类的评估理论

    本文旨在将心理学中事件的应急评估理论应用到情感分类模型中，实现对事件描述的应急评估变量的学习，证明这种方法能提高分类模型对离散情感分类的准确性，并发布了应急评估标记的情感关联事件描述语料库。

    Mar, 2020

  • 情感感知、情感不可知或自动化：获取认知事件评估注释的语料库创建策略

    本文探讨了基于情感理论的评估维度对于模拟人类情感分析的重要性，并对比了不同基于事件的语料库的手工和自动标注策略，在此基础上提出了 RoBERTa 模型进行情感分析的改进方法。

    Feb, 2021

  • 体验者特定情绪及评价预测

    通过引入经验者概念，将情感标签分配给相关事件中的感受者，通过此方法，作者证明了在情感检测中忽略事件参与者是一种简化，但在情感检测任务中，忽略事件参与者是一种简化，但使用考虑事件参与者和评估的经验者感知模型来对情感进行分类比基于经验者的模型更为准确。

    Oct, 2022

  • 情绪角色标注与基于评价的情绪分析的连接

    情感分析涵盖了各种自然语言处理任务，其共同目标是使计算机能够理解情感。本文综合了 SEAT 和 CEAT 项目的研究结果，并指出了开放性研究问题。

    Sep, 2023

  • 大型语言模型评估情绪的主观认知评估

    心理学研究中关于情感的复杂过程涉及生理和认知评估方面；虽然情境可以导致不同的情感经验，但是对于认知评估的自动预测却没有多少研究。本研究填补了这一空白，提出了 CovidET-Appraisals 数据集，该数据集是迄今为止最全面的数据集，对 241 个 Reddit 帖子中的 24 个评估维度进行了评估，并提供了自然语言的解释。CovidET-Appraisals 是评估大型语言模型在自动评估和解释认知评估方面能力的理想测试平台。研究结果显示，在这一任务上，尽管最好的模型表现出色，但开源的大型语言模型在此任务中表现不佳，为情感智能模型的未来发展提出了新的挑战。我们在此链接分享了我们的数据集 https URL。

    Oct, 2023

  • x-enVENT: 具有特定体验者情感和评价注释的事件描述语料库

    本文借鉴心理学的评估理论，以英语事件描述文本资源为基础，采用整合性分类方法，对参与情感事件中的不同语义角色进行情感分析，并丰富地注释了事件属性，提供了可供研究不同角色情感和事件评估的有用数据，并能够开发特定于经验者的情感和评估分类系统。

    Mar, 2022

  • 一种基于评估的情感链式架构的情感语言模型游戏代理

    通过三个实证实验，该研究测试了大语言模型在解决情绪智能任务和模拟情绪方面的能力，并提出并评估了一种基于心理评估研究的视频游戏情绪模拟的新链式情绪架构。结果显示，在用户体验和内容分析指标上，它优于标准的大语言模型架构，从而为基于语言模型中的认知过程构建和测试情感代理提供了早期证据。

    Sep, 2023

  • 对情感语言生成进行控制的语言模型适应

    本文介绍了一种使用情感驱动的文本生成模型，其能够有效地生成带有情感色彩的、主题集中的且语法正确的句子，并集成了 GPT-2 等概率文本生成模型。该模型考虑了情感类别、强度和主题的灵活性，并在自动化评估和人类研究中优于其他情感文本生成模型。

    Nov, 2020

  • 探究大型语言模型对情绪的感知 —— 基于评估理论的研究

    通过评估应激与应对理论，本研究调查了大型语言模型对情绪感知的能力，并与人类数据进行了比较；结果显示了模型在评估和应对的动态方面类似于人类，但在某些维度上与预期不符，且其响应幅度与人类存在较大差异；此外，研究还发现模型对指令和提问方式非常敏感，从而丰富了对当前模型心理学方面的认识。

    Oct, 2023