定义上的忠实：通过自然语义元语言解释进行情感分析

arXiv cs.CL 论文
emotion-analysis natural-language-processing interpretability faithfulness nsm explanation

摘要

本文提出了一种使用自然语义元语言（NSM）的情感分析界面，为情感分类生成忠实且可解释的说明，以轻微的准确度换取可验证性。

arXiv:2607.00661v1 公告类型：新 摘要：情感分类器的解释通常是事后产生的，无法保证它们反映标签背后的计算过程。我们提出了一种用于基于事件的情感分析的解释界面。解析器将输入文本映射为一种解释，这是一种使用自然语义元语言封闭词汇编写的简短脚本，组织成12个类型化槽位；同时，一个固定的决策规则列表（根据已发表的语义定义转录）仅根据该解释计算标签。因此，忠实性保证是因果性和定义性的，而所有经验风险都存在于学习到的解析器中，通过逐行蕴含界面使其可针对输入进行审计。在众包事件描述上，我们微调的解析器在一个小型保留集上达到了0.33的准确率和0.48的选择性准确率，表明该界面以与黑盒模型相比可忽略的准确度差异，换取了用于第一人称基于事件的情感分析的可验证、可检查的决策基础。我们还发布了EmoExpl-1200，包含逐行验证元数据和完整的规则集。
查看原文
查看缓存全文

缓存时间: 2026/07/02 05:38 

# 忠于定义：通过自然语义元语言阐释进行情感分析
来源：https://arxiv.org/abs/2607.00661  
查看PDF（https://arxiv.org/pdf/2607.00661）

> 摘要：情感分类器的解释通常是在事后生成的，无法保证它们反映了标签背后的计算过程。我们提出了一种面向基于事件的情感分析的阐释界面。解析器将输入文本映射为阐释（一种使用自然语义元语言封闭词汇编写的简短脚本，组织成十二个类型化槽位），并通过一组固定的决策规则列表（从已发表的语义定义中转录而来）仅根据阐释计算标签。因此，保真度保证是因果性和定义性的，而所有经验风险都存在于经过学习的解析器中，该解析器通过逐行蕴涵界面可针对输入进行审计。在众包事件描述上，我们微调后的解析器在小型保留集上达到了0.33的准确率和0.48的选择性准确率，这表明该界面以与黑箱模型相差不大的准确率，换来了对第一人称基于事件的情感分析而言可验证、可检查的决策基础。我们还发布了带有逐行验证元数据和完整规则集的EmoExpl-1200。

## 提交历史

来自：Frank Xing [查看邮件](https://arxiv.org/show-email/da38cbf4/2607.00661)  
**[v1]** 2026年7月1日星期三 09:10:14 UTC（100 KB）

相似文章