💬 NLP

UKP_Psycontrol at SemEval-2026 Task 2: Modeling Valence and Arousal Dynamics from Text

本文介绍了 UKP_Psycontrol 团队在 SemEval-2026 任务 2 中提出的融合大语言模型、最大熵模型及轻量级神经回归模型的混合系统，该系统通过结合文本情感信号与用户近期状态轨迹，在评估指标上荣获两个子任务的第一名。

原作者： Darya Hryhoryeva, Amaia Zurinaga, Hamidreza Jamalabadi, Iryna Gurevych

发布于 2026-04-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Darya Hryhoryeva, Amaia Zurinaga, Hamidreza Jamalabadi, Iryna Gurevych

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲的是德国达姆施塔特工业大学（UKP Lab）和马尔堡大学的一个团队，参加了一个名为 SemEval-2026 的“情感分析”比赛。

想象一下，这个比赛就像是一场**“读心术大比拼”**。

🎯 比赛任务：读懂人心，预测心情

比赛给参赛队伍提供了一大堆日记和心情记录。这些记录来自美国服务业的工人们，他们连续几年每天写下：“我今天感觉如何？”并给自己打分（比如：开心程度是几分？兴奋程度是几分？）。

队伍需要做两件事：

任务一（读心）： 看到一段文字，直接猜出作者当时的心情（是开心还是难过？是平静还是激动？）。
任务二（预言）： 根据作者过去几天的日记，预测他明天的心情会发生什么变化（是变好了还是变差了？）。

这个团队（UKP_Psycontrol）最终拿了两个任务的第一名！他们是怎么做到的呢？他们用了三套“魔法武器”。

🛠️ 他们的三套“魔法武器”

1. 超级 AI 聊天机器人（LLM 提示法）

比喻： 就像请了一位**“超级共情专家”**。
做法： 他们让最先进的 AI 模型（像 GPT-5）去读这些日记。
- 普通模式（用户无关）： 给 AI 看一堆不同人的日记样本，让它猜新人的心情。
- 专家模式（用户感知）： 给 AI 看同一个人过去写的日记，让它了解这个人的说话习惯（比如有人喜欢用夸张的词，有人喜欢用平淡的词），然后再猜他新的心情。
发现： 对于**“读心”**（任务一），这个超级专家非常厉害，尤其是当它了解了这个人的“人设”后，猜得特别准。它发现，与其直接让 AI 猜数字（比如“开心度是 3.5"），不如让它先猜一个形容词（比如“有点快乐”），再把这个词翻译成数字，这样更准确。

2. 心理能量场模型（MaxEnt 模型）

比喻： 就像在研究**“情绪磁铁”**。
做法： 他们假设人的情绪像是一个物理系统，不同的情绪状态（如“快乐”和“焦虑”）之间像磁铁一样有吸引力或排斥力。他们建立了一个数学模型，计算这些情绪状态是如何相互影响的。
发现： 这个模型很有条理，能解释情绪之间的逻辑关系，但在预测具体数值上，不如那个“超级 AI 聊天机器人”灵活和准确。它更像是一个严谨的物理学家，而不是一个直觉敏锐的心理咨询师。

3. 情绪轨迹追踪器（神经网络回归模型）

比喻： 就像看**“心电图”或“股票走势图”**。
做法： 对于**“预测明天”（任务二），他们发现文字本身没那么重要，重要的是“趋势”**。他们训练了一个小模型，专门看作者过去几天的分数变化曲线。
- 如果一个人过去三天情绪都在慢慢上升，模型就预测他明天可能还会上升。
- 他们甚至发现，数字的变化趋势比文字内容更能预测未来的心情。
发现： 在预测“明天会怎样”时，这个看趋势的模型是冠军。它发现，人的短期情绪变化，更多是受“惯性”影响（就像滚动的球），而不是受“今天写了什么新故事”影响。

💡 核心发现：他们学到了什么？

静态看文字，动态看趋势：
- 如果你想猜一个人现在的心情，读他的文字（尤其是让 AI 读懂他的说话风格）最有效。
- 如果你想猜一个人明天的心情会变好还是变坏，看他过去几天的分数变化曲线比读文字更有效。文字有时候只是“噪音”，数字的惯性才是“信号”。
小样本也能赢：
- 这个数据集其实不大（只有 137 个人，每人平均 20 条记录）。通常这种小数据很难训练复杂的模型，但他们利用大语言模型（LLM）强大的“常识”和“共情能力”，在数据少的情况下依然表现完美。
个性化很重要：
- 每个人表达情绪的方式都不一样。如果 AI 能像老朋友一样了解你的说话习惯（用户感知模式），它就能更准地猜出你的心情。

🏆 最终结果

这个团队凭借这套组合拳（AI 读心 + 趋势追踪），在两个任务中都拿到了第一名。

简单总结：
这就好比，如果你想了解朋友今天过得怎么样，直接问他（读文字）最准；但如果你想预测他下周会不会开心，不如看看他最近一周的心情走势图（看趋势），因为人的情绪往往有惯性，文字有时候反而不如数字的轨迹来得真实。

UKP_Psycontrol 在 SemEval-2026 任务 2 中的技术总结：基于文本的情感效价与唤醒度动态建模

1. 问题背景 (Problem)

SemEval-2026 任务 2 旨在解决情感计算中的一个关键挑战：从按时间顺序排列的用户生成文本（生态瞬时评估，Ecological Essays）中建模当前的情感状态（效价 Valence 和唤醒度 Arousal）及其短期变化。

数据特点：数据集包含美国服务业员工在数年内撰写的自我报告文章和感受词列表，每个条目都配有自我评估的效价（0-4）和唤醒度（0-2）评分。
核心难点：
1. 纵向建模：需要处理同一用户随时间变化的情感轨迹，区分“用户感知”（User-aware）和“用户无关”（User-agnostic）场景。
2. 短期预测：不仅要预测当前状态，还要预测基于历史状态的未来情感变化（ $\Delta$ ）。
3. 数据稀疏性：大多数用户仅参与一个两周的周期，样本量较小，且存在文本质量参差不齐的问题。

该任务包含两个子任务：

子任务 1：对序列中的每篇文本进行情感效价和唤醒度的评估。
子任务 2A：基于之前的文本和情感状态，预测下一步的情感变化。

2. 方法论 (Methodology)

UKP_Psycontrol 团队提出了三种互补的建模方法，分别针对静态情感评估和动态变化预测进行了优化：

2.1 基于大语言模型 (LLM) 的提示工程 (LLM-based Prompting)

主要用于子任务 1（静态评估），并尝试用于子任务 2A。

模型选择：实验使用 GPT-OSS 120B，最终提交使用 GPT-5。
提示策略：
- 用户感知 (User-aware)：提示词包含同一用户按时间排序的历史示例，旨在捕捉个体表达模式。
- 用户无关 (User-agnostic)：提示词包含来自不同用户的平衡标签示例，用于处理未见过的用户。
- 输出格式：对比了“生成文本情感标签后映射为数值”与“直接预测数值”两种策略。实验发现，生成文本标签再映射（利用自然语言描述符）比直接数值预测更稳定且效果更好。
- 动态窗口：尝试使用滑动窗口（最多 15 个最近示例）进行上下文更新，但发现固定示例（Fixed-shot）表现更优，因为动态引入模型预测值可能导致误差累积。
发现：LLM 能有效捕捉文本中的静态情感信号，且用户感知设置能略微提升性能。

2.2 基于 Ising 相互作用的成对最大熵模型 (Pairwise MaxEnt with Ising Interactions)

用于子任务 1 和 2A，旨在捕捉结构化依赖关系。

核心思想：将情感状态视为概率图模型，假设心理状态在潜在的能量景观上演化，遵循玻尔兹曼分布。
建模方式：
- 定义二元状态向量 $x$ （包括效价、唤醒度、语义特征等）。
- 能量函数 $E(x) = -x^\top h - \frac{1}{2}x^\top J x$ ，其中 $h$ 为线性偏置， $J$ 为成对交互项。
- 语义压缩：利用 LLM 将情感词聚类为 10 个语义簇，并通过自编码器压缩为低维二元向量，作为额外节点加入模型，以捕捉语义与情感状态的交互。
推理：通过计算条件期望（Conditional Expectation）将离散概率分布解码为连续的效价和唤醒度预测值。

2.3 轻量级神经回归模型 (Lightweight Neural Regression)

专门用于子任务 2A（情感变化预测）。

输入特征：
- 最近文本的嵌入（RoBERTa-base）。
- 当前的效价和唤醒度数值。
- 上一步的状态变化量 ( $\Delta$ )。
- 可训练的用户嵌入 (User Embeddings)：捕捉个体动态。
关键发现：
- 数值轨迹优于文本：仅使用数值特征（历史效价、唤醒度、变化量）和用户嵌入的模型，表现优于引入文本嵌入或语义簇的模型。这表明短期情感变化更多由数值轨迹驱动，而非文本语义。
- 历史长度：较短的历史窗口（1-2 步）通常比长窗口效果更好，说明近期状态对即时变化最具预测力。
- 不对称性：唤醒度（Arousal）在单任务训练中表现更好（强自相关性），而效价（Valence）在联合训练中受益（与唤醒度存在交互）。

3. 关键贡献与发现 (Key Contributions & Findings)

LLM 在静态评估中的统治力：在子任务 1 中，基于 LLM 的提示方法显著优于传统的线性回归基线（Linear BERT）。LLM 能够有效将自由文本映射到核心情感维度，且用户感知设置能微调个体差异。
短期变化的驱动因素：在子任务 2A 中，研究发现短期情感变化主要由近期的数值状态轨迹决定，而非文本语义。这挑战了单纯依赖文本语义进行情感预测的假设，表明在高频纵向数据中，数值动力学（Numerical Dynamics）可能比语义内容更具预测性。
混合策略的有效性：最终系统结合了不同方法的优点：
- 子任务 1：结合用户感知和用户无关的最佳 LLM 配置。
- 子任务 2A：结合针对效价和唤醒度分别优化的神经回归配置。
语义与概率建模的尝试：虽然 MaxEnt 模型在性能上略逊于 LLM 和神经回归，但它提供了一种可解释的概率框架，能够显式建模状态间的依赖关系，为理解情感演化的潜在结构提供了理论视角。

4. 实验结果 (Results)

团队在官方排行榜上取得了第一名的成绩：

子任务 1 (25 支队伍)：
- 唤醒度 (Arousal)：排名第一 (Pearson $r = 0.554$ )。
- 效价 (Valence)：排名第六 (Pearson $r = 0.667$ )。
- 表现显著优于线性 BERT 基线，特别是在唤醒度预测上。
子任务 2A (14 支队伍)：
- 综合排名：第一。
- 唤醒度：第一 (Pearson $r = 0.683$ )。
- 效价：第二 (Pearson $r = 0.675$ )。
- 神经回归模型在开发集和测试集上均超越了基线，证明了用户嵌入和短期轨迹的重要性。

5. 意义与局限性 (Significance & Limitations)

意义

方法论启示：该研究揭示了在纵向情感分析中，LLM 擅长处理静态语义映射，而数值时间序列模型擅长捕捉动态变化。这种“静态用 LLM，动态用回归”的混合范式为未来的情感计算研究提供了新方向。
临床与心理学应用：通过自我报告数据建模情感轨迹，有助于理解心理健康的细微变化，为个性化精神病学干预提供数据支持。

局限性

数据时间跨度：92% 的用户仅参与两周，数据难以捕捉情感演化的长期慢速动态（如数周或数月的变化）。
测试集规模：子任务 2A 的测试集较小（46 个实例），导致评估分数对数据扰动敏感，排名差异需谨慎解读。
可复现性与隐私：依赖专有 LLM（GPT-5）引发了关于敏感情感数据隐私和模型可复现性的担忧。未来工作需探索隐私感知的建模框架。
温度参数敏感性：LLM 的表现对温度参数敏感，高温度虽可能提升性能但增加了方差，稳定性有待提高。

综上所述，UKP_Psycontrol 团队通过结合大语言模型的语义理解能力、概率图模型的结构化假设以及神经回归对数值轨迹的捕捉，成功解决了 SemEval-2026 任务 2 中的情感动态建模难题，并在两项子任务中均取得了领先成绩。