Cross-cultural Inspiration Detection and Analysis in Real and LLM-generated Social Media Data

灵感与各种积极结果有关，例如增加创造力、生产力和幸福感。尽管灵感具有巨大的潜力，但鲜有人努力去鉴别启发性的内容，而不仅仅是吸引人或积极的内容。此外，大多数研究都集中在西方数据上，对其他文化的关注很少。这项工作是通过机器学习方法研究跨文化灵感的第一次尝试。我们旨在识别和分析真实的和人工智能生成的跨文化启发性帖子。为此，我们编制并公开了InspAIred数据集，其中包括2,000个真正的启发性帖子、2,000个真正的非启发性帖子和2,000个生成的启发性帖子，均匀分布在印度和英国之间。真实帖子来自Reddit，而生成的帖子是使用GPT-4模型创建的。利用这个数据集，我们进行了广泛的计算语言分析，以(1)比较跨文化的启发性内容，(2)比较人工智能生成的启发性帖子和真实的启发性帖子，(3)确定检测模型是否能够准确地区分跨文化和数据来源的启发性内容。

本论文旨在通过机器学习方法研究跨文化激励，识别和分析真实和人工智能生成的跨文化激励帖子。同时，本论文还致力于建立一个公开的数据集，以便进行进一步的研究。

本论文通过分析跨文化激励帖子的语言特征，比较不同文化和数据源下的激励内容，以及人工智能生成的激励帖子与真实激励帖子的差异，来探究跨文化激励的特点和机器学习在其中的应用。

本论文建立了一个包含真实激励帖子、非激励帖子和人工智能生成激励帖子的数据集，涵盖了印度和英国两个文化背景。通过计算语言学分析，发现不同文化和数据源下的激励内容存在差异，并且人工智能生成的激励帖子与真实激励帖子存在一定差异。本论文的研究结果对于进一步理解跨文化激励和机器学习在其中的应用具有重要意义。

在相关研究方面，近年来有一些研究关注于跨文化情感分析和机器学习在其中的应用，如《Cross-Cultural Sentiment Analysis: A Review》和《Cross-Cultural Sentiment Analysis Using Machine Learning Techniques》等。