MASIVE: 英语和西班牙语的开放式情感状态识别
内容提要
该研究探讨了文化和语言的独特性，尤其是情感在社交媒体中的表现。提出了多语言视觉情感概念本体（MVSO）及其应用方法，并创建了一个包含超过15.6K情感偏执视觉概念的数据集。同时，研究开发了基于LEIA模型的情绪文本识别方法，展示了情感分析模型在多语言环境中的有效性和优越性。
延伸解读
多语言情感识别的资源构建
文章介绍了多语言视觉情感概念本体（MVSO）的构建方法，通过类别聚类视觉检测名词及其情感偏见子聚类，创建了覆盖12种语言、超过15.6K情感偏执视觉概念的数据集，并发布了包含超过7.36M张图像及元数据的检测库。这为跨语言情感分析提供了重要的数据基础，有助于研究不同语言和文化中情感表达的差异。
模型性能与多语言适应性
基于LEIA模型的情绪文本识别方法使用超过600万条社交媒体数据训练，在领域内和领域外测试集上均表现优异。EmoLLMs系列模型在情感分类和回归任务中超越了现有LLMs、ChatGPT和GPT-4，展示了自动化标注的潜力。这些结果表明，针对多语言环境的情感分析模型能有效提升跨语言情感识别的准确性和泛化能力。
对话情感识别与LLM评估
研究探索了大型语言模型在对话中识别人类情感的能力，使用IEMOCAP、EmoWOZ和DAIC-WOZ三个数据集，从非零样本、少样本学习及任务特定微调角度评估模型容量，并考虑自动语音识别错误的影响。这有助于理解LLMs模拟人类情感识别的程度，为对话系统情感感知提供参考。
情感分析在视觉艺术中的应用
ArtEmis数据集通过调查人类对81,000幅维基百科艺术作品的情感归属和解释，建模视觉作品与情感体验的关联。该系统能清晰表达视觉刺激的情感并解释其语义和抽象内容，为情感计算与艺术理解的结合提供了新途径，展示了多模态情感分析的应用前景。
Q&A
多语言视觉情感概念本体（MVSO）是什么？
MVSO是一种通过类别聚类视觉检测名词及其情感偏见版本的子聚类方法，旨在自动发现情感构造。
该研究创建了什么样的数据集？
研究创建了一个包含超过15.6K情感偏执视觉概念的数据集，跨越12种语言，并发布了相应的检测库和超过7.36M张图像及元数据。
LEIA模型在情绪文本识别中的表现如何？
LEIA模型使用超过600万条社交媒体数据集进行训练，在领域内和领域外的测试数据集上表现优异。
EmoLLMs系列模型有什么特点？
EmoLLMs系列模型兼具情感分类和回归任务，超越现有的LLMs、ChatGPT和GPT-4，具备广泛的情感分析自动化标注能力。
该研究如何评估大型语言模型在情感识别中的能力？
研究通过评估和比较LLMs在开放领域闲聊和任务导向对话中的表现，利用多个数据集探索其情感识别能力。
ArtEmis数据集的用途是什么？
ArtEmis数据集用于分析视觉艺术作品与情感体验之间的关联，旨在提供情感影响和语言解释之间的详细理解。
