机器“知道”人际语用吗？来自 MARBERT 在阿拉伯语数字话语中学习表情符号语用的证据

本研究检验了基于 Transformer 的模型在阿拉伯数字话语 (ADD) 中学习表情符号语用的能力，提供了 MARBERT 具有人际语用功能 (IPF) 的行为的证据。该研究使用了通过 Python 从 Facebook 收集的 8,504 个独特表情符号帖子的语料库。这些帖子是针对五个 IPF 进行手动注释、开发和标记的：礼貌、尊重、团结、同理心和鼓励。采用混合方法，包括统计方法和涉及言语行为理论、礼貌理论和融洽管理理论的解释分析。 MARBERT 经过微调，可以对这些依赖于上下文的语用功能进行建模。研究结果表明，MARBERT 具有学习这些 IPF 的能力，在未见过的数据上取得了出色的性能，准确率为 93%，微观 F1 得分为 0.61，宏观 F1 得分为 0.56，证明了其在捕捉人际功能方面的有效性，超越了传统的情感分析。功能层面的评估表明，礼貌和尊重的识别比团结更准确，反映了 IPF 的明确性和上下文依赖性的差异。研究得出的结论是，基于 Transformer 的模型可以学习面部管理和关系沟通的模式，但仍然受到高度隐含的社会含义的挑战。它为表情符号语用学建模提供了一种新颖的计算方法，并促进了人际语用学与 NLP 的集成，以进行数字通信研究。