arXiv cs.CL· Bin Wen, Dai-Qiao Zhang, Tien-Ping Tan·· 10 小时前AI 评分20
对话情绪转变预测的信息匹配审计：一种防泄漏评估协议
Information-Matched Auditing of Conversational Emotion-Shift Forecasting: A Leakage-Safe Evaluation Protocol
AI 导读
研究提出一种信息匹配、防泄漏的审计协议，通过显式承诺点、可执行因果性测试、等量四配置验证搜索和种子对话感知推理，消除对话情绪转变预测比较中的偏差。
正文 · AI 翻译
摘要：在对话情感转移预测中，当学习模型获得丰富特征、而其转移基线却得到含噪或不可用的当前情感标签时，当超参数预算不同时，或当目标轮次信息进入表示时，比较结果很容易被扭曲。我们提出一种信息匹配、防泄漏的审计协议，通过显式承诺点、可执行的因果性检验、等量的四配置验证搜索以及种子对话感知推理来弥合这些差距。将其应用于四个文本语料库上的六个因果模型家族以及两个特征来源敏感性配置后表明，一个可部署的、仅用训练数据训练的当前情感分类器为转移基线提供输入时，得出的结论与双方均获得金标准当前情感的 oracle 诊断不同。在可部署条件下，学习模型在全部四个主要语料库上均优于预测标签基线；DailyDialog 上的提升很大，并且经受住了 72 次比较的 Holm 校正（最佳 ROC-AUC 提升 = +0.167，校正后 p=.0144）。在匹配的金标准信息下，基线在 IEMOCAP 上仍具竞争力，在 MELD 上更强，而每个模型都保留了较大的 DailyDialog 优势。我们还报告了精确率-召回率 AUC、校准、严格话语局部特征控制、同一人自我转移预测以及未来访问剂量-反应检验。协议附有一份八项泄漏检查清单。代码、原始种子预测和报告工件可向通讯作者索取。
| 主题： | 计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.05895 [cs.CL] |
| （或 arXiv:2611.05895v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05895 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Bin Wen [查看电子邮件]
[v1]
2026年11月4日星期三 03:36:17 UTC（125 KB）
来源：arXiv cs.CL · arxiv.org