软件学报

作者：刘一丁，王晶晶，罗佳敏，周国栋

单位：刘一丁，苏州大学 计算机科学与技术学院, 江苏 苏州 21500611,王晶晶，苏州大学 计算机科学与技术学院, 江苏 苏州 21500602,罗佳敏，苏州大学 计算机科学与技术学院, 江苏 苏州 21500603,周国栋，苏州大学 计算机科学与技术学院, 江苏 苏州 21500604

关键词：对话属性情感理解;属性指代映射;大语言模型;多代理机制;一致性反思

基金：国家自然科学基金(62006166, 62376178, 62076175); 江苏高校优势学科建设工程; 软件新技术与产业化协同创新中心项目

近年来, 针对对话文本的属性情感理解吸引了越来越多研究者的关注, 取得了一定的研究进展. 与已有的研究工作不同, 致力于探索大语言模型在对话属性情感理解任务上的性能, 并且认为对话属性情感理解任务存在属性指代映射问题和属性情感映射问题两个关键挑战, 严重制约对话结构下的属性情感理解的精度. 基于此, 提出大语言模型对话属性情感理解任务. 该任务致力于利用大语言模型抽取包含属性指代映射关系和属性情感映射关系的四元组, 并且标注了一个高质量的对话属性情感理解四元组数据集用于评估大语言模型在该任务上的性能. 进一步地, 针对上述对话属性情感理解存在的两个关键映射关系挑战以及大语言模型固有的幻觉问题挑战, 提出了一种多代理一致性反思方法. 该方法首先设计了3个子任务代理, 目的在于通过多代理的方式帮助模型捕捉对话结构下的上述两种映射关系; 其次提出了一致性增强的反思方法, 目的在于让模型通过多代理一致反思生成最优的结果, 以缓解大语言模型幻觉问题. 实验结果表明, 该方法在多个评估指标上优于当前主流的基准方法. 此外, 该方法相较于其他基准方法具有最优的对话属性指代关系抽取和属性情感抽取能力, 这将有力地促进大语言模型在对话结构下的细粒度情感理解方面的研究.

来源：2025年第10期

《软件学报》期刊编辑部

查看软件学报杂志2025年第10期