arXiv cs.CL· Yazhou Zhang, Junhao Yu·· 10 天前AI 评分22
Emo-Jev：用 Jev 概率推理做情感分类
Emo-Jev: Probabilistic Reasoning for Emotion Classification with Jev
AI 导读
研究者提出免训练框架 Emo-Jev，包含 Emo-Jev-D 与 Emo-Jev-SC 两种实现，将分类拆解为原子判断并聚合概率，或从多视角构建判断路径达成共识决策。在覆盖情感分析、情绪识别、讽刺检测和幽默检测的八个数据集上，标准 Jev 平均 macro-F1 为 62.93%，低于最强 LLM 基线的 67.28%，但延迟更低、成本通常更低。
正文 · AI 翻译
摘要：Jev 为语言理解提供了一种替代接口：给定输入和预定义问题，它返回概率性判断而非自由形式的回答。这种接口能否在文本分类中针对领先的 LLM 支持有效的推理，仍是一个未决问题。我们提出 Emo-Jev，一个无需训练的框架，包含两种互补的实现。Emo-Jev-D 将分类分解为任务特定的原子判断，并将其概率组合为最终预测。Emo-Jev-SC 从互补视角构建多条判断路径，并将其预测聚合为共识决策。我们在涵盖情感分析、情绪识别、讽刺检测和幽默检测的八个数据集上评估 Emo-Jev，与直接 Jev 分类以及五种 SoTA LLM 在输入/输出和思维链推理下进行比较。标准 Jev 的平均 macro-F1 达到 62.93\%，而最强的 LLM 基线为 67.28\%，同时观测到的延迟更低，成本总体也更低。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.08829 [cs.CL] |
| （或 arXiv:2610.08829v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08829 由 DataCite 提供的 arXiv 颁发 DOI |
提交历史
来自：Yazhou Zhang [查看邮箱]
[v1]
2026年9月27日星期日 01:35:32 UTC（2,852 KB）
来源：arXiv cs.CL · arxiv.org