Izvorni znanstveni članak
https://doi.org/10.21860/j.16.1.13
Unaprjeđenje precizne klasifikacije emocija korištenjem velikih jezičnih modela putem sekvencijalnog učenja emocija
Kiseong Lee
orcid.org/0000-0002-0906-9552
; AI Humanities Research Institute, Chung-Ang University, Seoul, Republic of Korea
*
* Dopisni autor.
Sažetak
Ovim istraživanjem predlaže se pristup za poboljšanje učinkovitosti klasifikacije emocija uvođenjem metode sekvencijalnog učenja emocija (Sequential Emotion Learning, SEL). Konvencionalne metode učenja često imaju poteškoća s preciznim klasificiranjem emocija. Kako bi se to prevladalo, pristupom SEL prvo se trenira model na sedam osnovnih emocija, koje je relativno lakše klasificirati zbog njihove jasne međusobne razlike. Potom se model dodatno prilagođava pomoću 24 specifičnije emocionalne oznake, čime se poboljšava njegova sposobnost rješavanja složenih zadataka klasifikacije emocija. Eksperimentalni rezultati pokazuju da metoda SEL nadmašuje osnovni model, postižući veću točnost već u ranim fazama treniranja. Model SEL vrlo brzo postiže svoju maksimalnu učinkovitost te pokazuje poboljšane sposobnosti klasifikacije na neviđenim, općenitim rečenicama, što ukazuje na njegovu robusnost u različitim tekstualnim kontekstima. Dobiveni rezultati sugeriraju da metoda SEL može učinkovito poboljšati klasifikaciju emocija, osobito u zadacima koji zahtijevaju razlikovanje složenih emocija. Ovaj sekvencijalni pristup učenju nudi potencijalnu prednost u odnosu na tradicionalne metode i može se primijeniti na druga područja koja uključuju složene zadatke klasifikacije. Budućim istraživanjima mogla bi se istražiti opća primjenjivost ove metode na druge probleme klasifikacije kako bi se dodatno povećala njezina korisnost.
Ključne riječi
klasifikacija emocija; sekvencijalno učenje; precizna klasifikacija; veliki jezični model; afektivno računarstvo
Hrčak ID:
344177
URI
Datum izdavanja:
6.2.2026.
Posjeta: 423 *