情感的本质多元性：文本情感内容的人类与机器解读

本文通过比较人类与机器在文本情感检测中的方法，探讨基于文本通信中情感解读的复杂本质。受个人经历和文化背景塑造的人类情感反映了个体性，但许多检测系统忽视了这些细微差别。通过涉及人类参与者与先进大型语言模型（LLMs）的三部分研究，研究表明人类自然地接受情感模糊性。初步发现表明较高的情商可能与识别解读细微差别而非寻求共识相关，尽管这种关系需要更大样本验证。本文引入了创新方法，如基于环面模型的评分系统，承认解读的多元性。研究结果表明，情感检测系统应补充人类解读，增强需要个人视角和上下文敏感性的任务中的人机协作。