用于多维情感理解的情感纠缠和贝叶斯推理

理解自然语言中的情感本质上是一个多维推理问题，其中多种情感信号通过上下文、人际关系和情境线索相互作用。然而，大多数现有的情感理解基准依赖于短文本和预定义的情感标签，将这一过程简化为独立的标签预测，并忽略了情感之间的结构化依赖关系。为了解决这个限制，我们引入了情感场景（EmoScene），这是一个基于理论的基准，包含 4,731 个上下文丰富的场景，并用源自 Plutchik 基本情感的 8 维情感向量进行注释。受到情绪很少独立发生的观察的启发，我们进一步提出了一种纠缠感知贝叶斯推理框架，该框架结合了情绪共现统计来对情绪向量执行联合后验推理。这种轻量级的后处理不需要任何参数更新，并提高了预测的结构一致性，并且在没有任何额外成本的情况下获得了 2.24% 的词汇准确率的总体收益。因此，EmoScene 为研究多维情感理解和当前语言模型的局限性提供了一个具有挑战性的基准。