Abstract
本稿では、テキストから主題（``Agents''）、動詞（``Events''）、目的語（``Targets''）を抽出するための計算フレームワークとして、Target-Event-Agent Networks（TEA Nets）を導入する。認知ネットワーク科学と人工知能に基づき、TEA NetsはオープンソースのPythonライブラリとして実装されている。3つの事例研究でTEA Netsを検証し、そのフレームワークが、解釈可能な感情検出、セマンティックフレーム分析、そして陰謀論テキストとLLMによって生成されたテキスト応答にまたがる言語的な問いを行う能力を示すことを明らかにする。LOCOの陰謀論コーパスでは、TEA Netsは、高度に陰謀的な物語（4,227テキスト）が、低類似度の陰謀論物語と比べて、個人を指す代名詞（``I'', ``you'', ``we''）を同じ行為と結びつける頻度が2倍であることを示した。高陰謀度の物語は、人に焦点を当てた要素（``you'', ``people''）を通じて、ランダム基準を上回る怒りを喚起する行為へとつなげた（z = 2.63, p < .05）。この傾向は、科学的な行為者（``researcher'', ``scientist''）を強調する低類似度の陰謀論物語には見られなかった。HOPEおよびCounseLLMeのデータセットでは、それぞれ212（人間）および200（LLMベース）の心理療法トランスクリプトにおいて、TEA Netsが感情の違いを際立って示した。気持ちを表す際、Claude 3 Haiku、GPT-3.5、そして人間は、ランダムな期待よりも高い頻度で悲しみの語を用いたが、Haikuは人間よりも悲しみの感情的強度が低かった（U = 1243.5, p = .036）。本稿では、LLMでシミュレートした患者に対する心理療法トレーニングの文脈で、これらの違いを議論する。これらの結果は、Target-Event-Agent Networksが、物語から関連する感情的・統語的・意味論的洞察を抽出できることを示しており、認知ネットワーク科学によるテキスト分析に新たな道を開く。
