K-Act2Emo: Korean Commonsense Knowledge Graph for Indirect Emotional Expression

在很多文学作品中，情感是通过行为、面部表情和外表的描述间接传达的，这需要情感推断来理解叙述。在本文中，我们介绍了K-Act2Emo，这是一个韩语常识知识图谱（CSKG），包括1,900个间接情感表达和可推断出的情感。我们将推理类型分为正面情况下的推理、负面情况下的推理以及表情不起情感提示时的推理。与现有的CSKG不同，K-Act2Emo专注于情感语境，并且实验结果验证了它在训练情感推断模型方面的有效性。值得注意的是，使用K-Act2Emo进行微调的基于BART的知识模型优于各种现有的韩语大语言模型，实现了与GPT-4 Turbo相当的性能水平。

本论文旨在解决文学文本中情感间接表达的问题，提出了一个韩语常识知识图谱K-Act2Emo，用于推断情感。是否为新问题未提及。

K-Act2Emo是一个韩语常识知识图谱，包含1,900个间接情感表达和相应的可推断情感。论文将推理类型分为正面情况下的推理、负面情况下的推理和表情不是情感线索的推理。与现有的常识知识图谱不同，K-Act2Emo专注于情感上下文，实验结果验证了其对训练情感推断模型的有效性。

实验结果表明，使用K-Act2Emo微调的基于BART的知识模型优于各种现有的韩语大语言模型，达到了与GPT-4 Turbo相当的性能水平。论文的亮点还包括实验设计、使用的数据集以及值得进一步研究的工作。

最近在这个领域中，还有一些相关的研究，但未在论文中列举。