感情のもつれとベイズ推論による多次元感情理解

arXiv cs.CL / 2026/4/3

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、自然言語における感情理解は本質的に多次元で文脈依存である一方、多くのベンチマークは短いテキストに対する独立したラベル予測へと還元していると主張する。
理論に基づくベンチマークとして、Plutchikの基本感情に基づき8次元の感情ベクトルでアノテーションされた、文脈の豊かな4,731のシーンからなる EmoScene を導入し、感情間の構造化された依存関係を捉えることを目的とする。
ゼロショット設定で6つのインストラクション調整済みLLMを評価した結果、上位モデルでも Macro F1 は0.501にとどまり、文脈を踏まえたマルチラベル感情予測の難しさが浮き彫りになる。
感情間の依存関係に対処するため、著者らは感情のもつれ（entanglement）を意識したベイズ推論フレームワークを提案し、感情の共起統計を用いて感情ベクトル全体にわたる事後分布を同時に推定する。
軽量なベイズ後処理により構造的一貫性が改善され、より弱いモデルでも定量的な向上が得られる。たとえば Qwen2.5-7B では +0.051 の Macro F1 を達成し、EmoScene を多次元感情モデリングの厳しいテストベッドとして位置づけている。