11 月 19 日,Wajdi Zaghouani 等人公开 FoodReact-AR,整理了 2020 至 2024 年间公共 Facebook 页面上 74,241 条涉及粮食不安全问题的阿拉伯语帖文。研究问的是,同类内容得到的受众反应有何差别,以及模型能否从文本预判这种差别。
作者统计每条帖文收到的六种表情各占多少,再把常见的组合归为声援、淡化、悲伤和混合反应四类。读图时,一个观测对应一条帖文汇总后的表情分布。“淡化”等名称来自作者对组合的解释,单个用户选择某个表情时的意图无法从汇总数据中得出。
在论文的零样本测试中,模型识别出 83.8% 的悲伤类帖子,却只识别出 3.4% 的淡化类帖子。用这套反应标签训练的简单分类器,在训练时未见过的页面上把淡化类召回率提高到 60%;宏平均 F1 从 0.43 提高到 0.56。两类召回率之间的差距说明,只看一个综合分数容易漏掉特定反应。
配图取自 Wajdi Zaghouani 等,图 1。封面等比缩放并留白。CC BY 4.0 授权。
