情感分析生成器—自動生成文字感染情緒

吳佳璇、王緁琳

摘要

本研究旨在提供人們一個緩解憂鬱情緒的管道——當人們輸入一個需要被安慰的情境時，我們的系統將輸出安慰語句，以緩解該使用者之憂鬱情緒，達到安慰效果。為此，本研究訓練了 BERT model 以及 LLaMA model。BERT model 能判斷使用者輸入的語句是否為需安慰語句。而 LLaMA model 則作為安慰語句之生成模型，以達到安慰效果。

研究目的

  1. 使用 DailyDialog 中的句子和 ChatGPT 生成的句子作為 BERT model 的訓練資料， 以辨識輸入語句是否需要安慰。
  2. 以 LLaMA 2 7B model 為基礎，找出生成「安慰效果較佳的安慰語句」之方法。

研究過程與方法

研究成果與展望

  1. 本研究訓練的 BERT 模型準確度達 0.976，可有效分析安慰語句。
  2. 本研究所訓練的 LLaMA model，訓練多個版本後，已達到能生成有效的安慰語句之效果。
  3. 比較「以我們的資料訓練的 LLaMA model」、「以 Alpaca dataset 訓練的 LLaMA model」、「ChatGPT」之安慰效果，我們的模型之安慰效果較佳。
Back