BhaRaTa: A Novel Framework for Emotion Analysis of Sanskrit Narratives

想象一下你是一名侦探，正试图仅通过聆听室内人们的交谈来理解房间里的情绪。在计算机科学领域，这被称为“情感分析”。通常情况下，计算机很擅长识别基础情感：一个人是快乐还是悲伤？一段评论是正面还是负面？但现实生活，尤其是伟大的故事，要比简单的“点赞”或“踩”复杂得多。人类会同时感受到多种交织的情绪——比如既感到兴奋又有些紧张，或者既愤怒又感到自豪。

长期以来，计算机一直试图利用西方的心理学图谱来理解这些复杂的情感，这些图谱将情感分为“喜悦”、“恐惧”或“愤怒”等类别。但如果存在另一张完全不同的地图呢？一张几千年前就已绘制完成的印度古地图？这篇论文深入探讨了自然语言处理（NLP）的一个领域，在这里，研究人员正在教计算机阅读并理解人类的语言。这里的大问题是：我们能否教会计算机通过一种名为“味”（Rasa）的古印度理论，去理解梵文故事中深邃且细腻的情感？该理论表明，故事不仅仅关乎发生了什么，更关乎它们在读者心中创造出的特定“滋味”或审美体验，而这种体验是由微小的情感线索累积而成的。如果我们能破解这个密码，就能帮助计算机以更人性化的方式理解文学，同时尊重故事讲述方式中独特的文化历史。

---

情感的古老配方：BhaRaTa

见见 BhaRaTa（代表 Bhāva & Rasa Tagging，即“情态与味标签化”）背后的团队。他们是来自海得拉巴国际信息技术学院（IIIT-Hyderabad）的一群研究人员，他们决定挑战一个非常具体且棘手的谜题：如何教计算机理解梵文戏剧中的情感？

梵文是一种古老的语言，就像是一个语言学的化石。它很美，但在数字世界中却很罕见。没有数以百万计的梵文推文或 Reddit 帖子供计算机学习。此外，这些戏剧本身也非常复杂。它们不仅仅是对话，而是诗歌与散文的结合，充满了肢体动作、低语和戏剧性的停顿。研究人员知道，如果他们尝试使用标准的“西方”情感工具（这些工具寻找的是像“快乐”或“悲伤”这样简单的词汇），他们将会错过其中的神韵。因此，他们构建了一个基于《舞论》（Nāṭyaśāstra）的新框架，这部古老的戏剧论著就像是一本创造审美体验的“食谱”。

核心成分：Bhāva 与 Rasa

要理解他们的实验，你必须理解他们的“食材”。研究人员使用了来自这部古文献的两个主要概念：

1. Bhāva（食材）： 把这些看作是原始的情感状态。在一部剧中，角色可能会感到渴望、恐惧、喜悦或决心。这些是具体的、瞬时的感受。研究人员识别出了 31 种用于标记文本的“风味”。
2. Rasa（成品菜肴）： 这是宏观层面的。当你以特定的方式将所有这些微小的 bhāvas 混合在一起时，它们会创造出整个场景的主导情绪或审美体验，这就是 Rasa（味）。这就像是将面粉、糖和鸡蛋混合在一起做成一个蛋糕。你不再仅仅品尝到“面粉”，你品尝到的是“蛋糕”。在梵文戏剧中，一个场景可能由浪漫、英雄主义、恐怖或喜剧所主导。

团队的目标是观察计算机是否可以通过分析“食材”（单句对话）来品尝出“蛋糕”（场景的情绪）的味道。

实验：喂养机器

研究人员收集了 18 部著名的梵文剧作，包括传奇剧作家迦利达娑（Kālidāsa）的作品。他们对文本进行了清理（这非常困难，因为现有的数字版本存在缺失的单词和拼写错误），并将这些剧作分解为 6,947 行独立的对话。

然后，他们进行了艰苦的工作：手动为每一行文本标记正确的 bhāva（情感），并为每个场景标记正确的 sthāyībhāva（主导情绪）。他们创建了一个专门的网络工具来辅助这一过程，确保两位不同的人在大多数情况下都能达成一致的标签。这创造了一个全新的数据集，一个从未存在过的经过注释的梵文戏剧宝库。

数据准备就绪后，他们将其投入到计算机中。他们尝试了两种主要方法：

1. 逐行测试： 计算机能否观察单个句子并猜出其中的情感？（例如：“这一行是‘喜悦’还是‘焦虑’？”）
2. 场景测试： 计算机能否观察整个场景并猜出整体的情绪？（例如：“这个场景是‘浪漫’还是‘英雄主义’？”）

他们测试了许多不同类型的“计算机大脑”，从简单的、传统的数学模型到模仿人类阅读的先进现代 AI 系统（称为 Transformer）。

结果：传统胜过现代

有趣的故事就在这里发生了。你可能会预期超级智能的现代 AI 模型会轻松获胜。毕竟，它们是在海量数据上训练出来的。但在这种情况下，简单的、传统的模型实际上做得更好。

为什么呢？研究人员认为这是因为数据集对于庞大的 AI 模型来说太小了。这些梵文剧作只有大约 7,000 行。对于一个巨大的 AI 来说，这就像是试图通过只听三首歌来学习弹钢琴。AI 会感到困惑，并试图记忆一些并不起作用的模式。然而，那些较简单的模型就像一位敏锐的侦探，能够捕捉到梵文中特定的“征兆”——某些总是代表“愤怒”或“喜悦”的短语——而不会感到不知所措。

研究人员发现，解决这个谜题的最佳方法是使用层级化方法。与其要求计算机一次性猜出 32 种情感之一（这就像是在没有任何提示的情况下，让一个孩子猜出一副 52 张牌中的某一张），不如先让它猜出类别（它是积极的、消极的还是混合的？），然后再猜出具体的某种情感。这种“两步走”的方法效果更好，显著提升了准确率。

当涉及到猜测整个场景的情绪时，计算机发现观察情感的分布是关键。如果一个场景有很多“喜悦”和“渴望”的线条，计算机就能正确猜出该场景是“浪漫”的。有趣的是，如果仅通过阅读场景的原始文本（而不先统计情感）来猜测情绪，难度更大且准确度较低。看起来，对于这些古老的戏剧，微小情感的“混合”比原始词汇本身是更强的线索。

哪些方法失效了

研究人员还尝试使用了目前最新、最强大的 AI 模型（如 Llama 3.1 等大语言模型）。他们尝试让这些模型直接猜测情感。结果令人失望。这些模型的表现非常糟糕，出错的次数往往多于正确。研究人员认为，这些通用型的 AI 模型目前还不准备好处理这项特定任务；在它们能够理解这些古老戏剧的微妙细微差别之前，还需要针对梵文进行专门的训练。

总结

这篇论文并不声称已经解决了人类情感的奥秘。相反，它奠定了基础。它表明：

• 我们可以成功地利用基于 2,000 年前理论的框架，教计算机理解古印度的情感。
• 对于像梵文这样的低资源语言，简单的、聪明的模型往往比庞大的、需要大量数据的 AI 更有效。
• 将复杂问题（猜测 32 种情感）分解为更小的步骤（先猜类别）会让计算机更加准确。

研究人员对此感到兴奋，因为这仅仅是个开始。他们希望使用这个“BhaRaTa”框架来分析其他类型的梵文文学，如史诗和诗歌，并最终将这些理念应用于其他印度语言。他们已经证明，古老的智慧与现代技术可以融合创造出全新的东西，帮助我们理解那些在数千年间幸存下来的故事的情感深度。