Des émotions plus fines dans les avis d’applications

OOndine

Une étude présentée sur arXiv examine comment des grands modèles de langage peuvent classer plusieurs émotions dans les avis d’applications mobiles, plutôt que de résumer chaque commentaire à une polarité positive ou négative. Le travail s’attaque à un problème important pour cette tâche : les émotions ne sont pas représentées à parts égales, et certaines catégories sont beaucoup moins présentes que d’autres dans les avis étudiés. Pour comparer les méthodes, les auteurs testent l’ajustement fin de modèles encodeurs selon 2 formulations de classification multi-étiquette, où un même avis peut être associé à plusieurs émotions. Ils évaluent aussi des ensembles de classificateurs binaires, puis les confrontent à des modèles décodeurs sollicités par prompts, soit sans exemple, soit avec quelques exemples. Ces modèles décodeurs proviennent de sources ouvertes et propriétaires, ce qui permet d’inclure plusieurs types de systèmes dans la comparaison. Enfin, l’étude s’appuie sur un cadre d’annotation publié antérieurement et sur des annotations humaines adaptées à la taxonomie des émotions de Plutchik.