Artificial Intelligence for Sentiment Analysis of Persian Poetry

该研究利用先进的语言模型（特别是 GPT-4o）对鲁米和帕尔文·埃特萨米两位波斯诗人的作品进行情感分析，发现这些模型能有效捕捉诗歌的复杂情感与格律关联，并揭示鲁米的诗歌整体情感更积极且格律运用更丰富，从而证实了大语言模型在减少人为偏见、进行计算机辅助语义研究方面的有效性。

要点

这是一篇关于**“用人工智能（AI）读懂波斯古诗”的研究报告。为了让你轻松理解，我们可以把这项研究想象成一场“跨越千年的诗歌情感侦探游戏”**。

🕵️‍♂️ 故事背景：两位诗人与一群“数字侦探”

想象一下，波斯文学界有两位超级巨星：

1. 鲁米 (Rumi)：一位生活在 13 世纪的古老诗人，他的诗像火焰一样热烈，充满了神秘和灵性。
2. 帕尔文·伊特萨米 (Parvin E'tesami)：一位生活在 20 世纪的现代女诗人，她的诗像精致的瓷器，细腻而深沉。

过去，要分析这些诗是“开心”还是“悲伤”，必须依靠人类专家（学者）去读、去感受。但这就像让一个人去数清大海里有多少滴水，既慢又容易出错。

于是，研究团队请来了一群**“数字侦探”（AI 模型）**，包括像 BERT 和 GPT-4o 这样的大佬，让它们来读这些诗，并给每首诗的情感打分（1 分代表极度悲伤，5 分代表极度快乐）。

🔍 侦探们做了什么？

1. 收集线索：他们从网上收集了鲁米和帕尔文的成千上万首诗。
2. 情感打分：让 AI 给每首诗打分。
   • 比喻：就像让一群机器人去听音乐会，然后告诉你是“让人想哭的悲伤曲”还是“让人想跳舞的欢快曲”。
3. 寻找规律：他们特别想看看，诗歌的“节奏”（Meter，就像音乐的节拍） 是否决定了诗歌的“情绪”。
   • 比喻：就像研究“是不是所有进行曲（快节奏）都让人兴奋，而所有摇篮曲（慢节奏）都让人平静？”

🏆 侦探们的表现如何？（关键发现）

1. 谁最像人类专家？

• GPT-4o（最聪明的侦探）：它表现得最好！虽然它不能像人类专家那样精准地给出“完美”的分数（毕竟诗歌太深奥了），但它能准确地抓住诗歌的大方向（是开心还是难过）。
  • 比喻：它就像一个刚搬来这个城市的外国人，虽然口音还有点重，细节没听清，但它能立刻告诉你：“嘿，这地方气氛很欢乐！”
• BERT 模型（老派侦探）：表现一般，甚至有点“水土不服”。
• Pars-BERT（本地化侦探）：这是一个专门针对现代波斯语（比如新闻、社交媒体）训练过的模型。研究团队原本以为它最懂波斯语，结果它反而表现最差。
  • 比喻：这就像请了一位精通现代街头俚语的翻译，去翻译几百年前的宫廷文言文。他太熟悉现代词了，反而听不懂古人的隐喻和深意。这告诉我们：用现代数据训练 AI，去读古代经典，可能会“刻舟求剑”。

2. 两位诗人的“情绪地图”

• 鲁米更快乐：无论用哪个 AI 模型分析，结果都惊人地一致——鲁米的诗整体比帕尔文的诗更快乐、更积极。
  • 原因：鲁米的诗很多是为了苏菲派（一种神秘主义宗教）的聚会写的，节奏轻快重复，目的是让人进入一种狂喜的精神状态。
• 帕尔文更忧郁：帕尔文的诗平均得分较低，整体氛围更偏向悲伤或沉思。

3. 节奏与情绪的“魔法”

• 鲁米是“节奏魔术师”：研究发现，鲁米能用同一种节奏（Meter）写出各种不同情绪的诗。
  • 比喻：就像同一个鼓手，既能敲出欢快的舞曲，也能敲出悲伤的挽歌。他的“情绪熵”（多样性）很高，说明他驾驭节奏的能力极强。
• 帕尔文更“稳定”：她的诗情绪比较集中，变化幅度没有鲁米那么大。

💡 这项研究意味着什么？

1. AI 可以当“文学助手”：以前分析诗歌必须靠人脑，现在 AI 可以帮我们快速处理海量数据，发现人类肉眼看不到的宏观规律（比如“鲁米确实比帕尔文更爱笑”）。
2. 没有偏见：人类读诗容易受个人喜好影响，而 AI 是客观的“数据机器”，能减少主观偏见。
3. 未来的挑战：虽然 AI 很厉害，但面对像鲁米这样充满古老隐喻和深奥哲理的诗歌，AI 还是有点“力不从心”。它们需要更多的“古典文学训练”，而不仅仅是现代互联网数据。

🎯 一句话总结

这项研究就像是用**高科技的“情感温度计”**去测量两位波斯巨匠的心灵。结果显示：AI 虽然还无法完全替代人类专家去品味诗歌的每一个细微之处，但它已经足够聪明，能告诉我们鲁米的诗像“夏日阳光”一样热烈，而帕尔文的诗像“秋日黄昏”一样深沉，并且鲁米在利用诗歌节奏表达情感方面，确实是一位更伟大的“魔术师”。

技术摘要

这是一份关于利用人工智能对波斯诗歌进行情感分析的预印本论文《Artificial Intelligence for Sentiment Analysis of Persian Poetry》的详细技术总结。

1. 研究问题 (Problem)

尽管人工智能（AI）和大型语言模型（LLM）在文本分析领域取得了显著进展，但在处理古典波斯诗歌时仍面临巨大挑战。主要难点包括：

• 语言复杂性：波斯诗歌充满隐喻、双关语和复杂的修辞结构，超出了标准情感分析技术的理解范围。
• 缺乏针对性研究：此前尚无研究利用现代 LLM（如 BERT 和 GPT 系列）对古典波斯诗歌进行系统的情感分析。
• 主观性与偏差：传统的人文研究依赖人类专家的主观解读，这可能导致分析偏差且难以规模化。
• 核心目标：本研究旨在评估现代 LLM 在理解波斯诗歌复杂情感方面的能力，并探索诗歌的情感（Sentiment）与其格律（Meter/Vazn）之间是否存在相关性。研究选取了两位著名诗人：古典诗人鲁米（Rumi）（《沙姆斯诗集》）和现代诗人**帕尔文·埃特萨米（Parvin E'tesami）**的作品作为分析对象。

2. 方法论 (Methodology)

数据集准备

• 来源：Ganjoor 在线数据库（www.ganjoor.net）。
• 对象：鲁米的《Divan-i Shams》和帕尔文的《Divan-i Ashaar》。
• 预处理：将诗歌的各行合并为统一文本，进行分词（Tokenization）。由于模型输入长度限制，长诗被分割成小块处理，最后取平均值作为整首诗的情感得分。

情感评分系统

采用 1-5 分的数值评分标准：

• 1：悲伤/高度负面
• 2：略显悲伤/轻度负面
• 3：中性
• 4：略显快乐/轻度正面
• 5：快乐/高度正面

模型选择 (零样本推理 Zero-shot)

研究使用了四种基于 Transformer 的模型，未进行针对诗歌领域的微调：

1. BERT Multilingual Uncased：支持 102 种语言的多语言预训练模型。
2. Pars-BERT：在波斯语特定数据集（如维基百科、Digikala 评论等）上微调的单语言 BERT 模型。
3. GPT-4o-mini 和 GPT-4o：OpenAI 的生成式多模态大模型，具有强大的多语言能力。
   • 提示词策略：要求模型仅返回 1-5 之间的数字，代表情感得分。

验证与基准 (Ground Truth)

• 人工标注：选取 100 首鲁米的诗，由 2 位人文学者（波斯诗歌专家）和 2 位通识文学标注者进行评分。
• 一致性检验：使用 Krippendorff's Alpha 评估标注者间的一致性（结果为 0.6，表明中等程度的一致性，任务具有高度主观性）。
• 基准构建：比较了四种聚合策略（均值、中位数、众数、Dawid-Skene 模型），发现**均值（Mean）**策略与人类共识的二次加权 Kappa (QWK) 最高，因此将其作为“地面真值”（Ground Truth）。

统计分析

• 熵（Entropy）：用于衡量特定格律下情感分布的多样性。
• 标准差与极化：分析情感得分的波动范围和极端情感（极悲或极乐）的分布。

3. 主要贡献与发现 (Key Contributions & Results)

A. 模型性能评估

• GPT-4o 表现最佳：在所有模型中，GPT-4o 与人类标注的 Ground Truth 相关性最高（QWK ≈ 0.60），尽管绝对准确率仅为 33%（考虑到人类标注者间的一致性也仅为 47%-61%，这一结果具有统计学意义）。
• BERT 模型表现不佳：BERT Multilingual 和 Pars-BERT 与人类判断的相关性极低（QWK < 0.05）。
• 反直觉发现：专门针对现代波斯语微调的 Pars-BERT 表现甚至不如通用的多语言 BERT。这表明在现代语料（社交媒体、新闻）上微调可能会损害模型对古典、隐喻性文本的理解能力（分布外数据 OOD 问题）。
• 结论：LLM 目前更适合识别情感的方向性（正/负），而非精确的强度等级。

B. 诗人情感对比

• 鲁米更快乐：无论使用哪种模型，分析结果均一致显示，鲁米的诗歌整体情感得分高于帕尔文。鲁米的诗歌更倾向于表达快乐和积极的情绪，而帕尔文的诗歌则普遍偏向悲伤（平均得分低于 3）。
• 格律与情感的关系：
  • 鲁米在多种格律（如 R24, R34, C12 等）中都能表达出高快乐度的情感，且部分格律下快乐诗歌占比超过 60%。
  • 帕尔文在同一格律下的快乐诗歌比例极低（最高仅 12%），且其所有格律的平均情感得分均偏向负面。

C. 格律使用的多样性（熵分析）

• 鲁米的格律多样性更高：鲁米诗歌中特定格律的情感熵（Entropy）显著高于帕尔文。例如，鲁米的某些格律（如 R47, C13）熵值接近最大值（约 2.25），表明他能在同一格律中表达极其丰富的情感光谱。
• 帕尔文的风格更统一：帕尔文诗歌的熵值较低（最高约 1.75），说明其情感表达相对单一和稳定。
• 意义：这从计算角度证实了鲁米在波斯诗歌中“大师级格律运用”的传统观点，即他利用格律创造了更广泛的情感表达。

D. 情感波动性

• 标准差：鲁米诗歌的情感得分标准差更大，说明其作品情感跨度极大（从极度悲伤到极度快乐）。
• 极化：虽然帕尔文的诗歌中“极化”（非中性）比例较高，但鲁米通过格律的巧妙运用，展现了更宽广的情感光谱。

4. 研究意义 (Significance)

1. 数字人文的新范式：本研究证明了 LLM 可以在无需人类直接干预的情况下，对非英语的复杂古典文学作品进行自动化的语义和概念分析。这为大规模、多语言的文学研究提供了新的可能性。
2. 减少分析偏差：通过计算机辅助分析，可以在一定程度上减少人类解读中的主观偏见，提供可重复的量化证据。
3. 模型适用性警示：研究揭示了在古典文学分析中，盲目使用针对现代语料微调的模型（如 Pars-BERT）可能适得其反，强调了预训练数据分布对模型性能的关键影响。
4. 未来方向：虽然目前的 LLM 在处理古典隐喻时仍有局限性（无法完全达到人类专家的水平），但它们已能有效捕捉宏观的情感趋势和结构特征。未来的工作应致力于构建包含古典文学语料的大规模预训练数据集，以进一步缩小 AI 与人类理解之间的差距。

总结：该论文不仅成功利用 AI 量化了鲁米与帕尔文诗歌的情感差异（鲁米更快乐、情感更多元），还验证了 GPT-4o 在古典波斯诗歌分析中的可行性，为计算语言学与波斯文学研究的交叉领域奠定了重要基础。