LLM и психолингвистика: представлен инструмент HELPER для анализа эмоций в тексте

Команда из НИУ ВШЭ и VK разработала HELPER — инструмент для анализа динамики эмоционального состояния на основе LLM. Модель дообучили на русскоязычном корпусе с формализованной разметкой, созданной по интервью с психологами.

Разработчики из мастерской прикладного ИИ НИУ ВШЭ и VK представили HELPER — инструмент для анализа эмоциональной динамики в текстах. В отличие от решений, которые оценивают только общую тональность, HELPER определяет локальные эмоциональные признаки и их смену в разных фрагментах текста. Для обучения модели была разработана формализованная схема разметки на основе интервью с психологами, а также собран русскоязычный корпус. В качестве базовой модели использовалась Qwen-3. Решение ориентировано на задачи психологического консультирования и мониторинга эмоционального состояния.

Источники 1

LLM и психолингвистика: представлен инструмент HELPER для анализа эмоций в тексте Habr AI

LLM и психолингвистика: HELPER

Привет, Хабр! На связи Александр Сабко, Виктория Белявская и Сергей Павлухин, из мастерской по прикладному ИИ Инженерно-математической школы НИУ ВШЭ и VK.

Сейчас текстовые данные все чаще рассматриваются как источник информации о психологическом и эмоциональном состоянии человека (автора текста) — это особенно важно для задач, связанных с психологическим консультированием, анализом пользовательских коммуникаций и мониторингом эмоционального состояния. В тексте нам часто важна  не просто тональность, а динамика эмоционального состояния автора.

При этом большинство существующих решений в анализе эмоций работают слишком обобщенно — одни определяют общую тональность текста, другие решают задачу бинарной или многоклассовой классификации эмоций на уровне всего текста. Такие подходы плохо подходят, например, для психологически-нагруженных текстов, так как эмоции могут быть динамическими и проявляться в разных фрагментах текста — агрегированная метка не может это показать. 

Есть и другая проблема: для обучения моделей, которые смогут улавливать локальные эмоциональные признаки и выявлять динамику их смены, не хватает специализированных русскоязычных корпусов, формализованных схем разметки и воспроизводимых методик оценки качества работы модели. Без этого сложно понять, действительно ли модель научилась распознавать психо-эмоциональные признаки текста или просто угадывает общий эмоциональный фон.  

В статье мы расскажем, как мы выстраивали схему разметки на интервью с практикующими психологами, какие источники текстов взяли, что внутри инструмента, и что получилось с дообучением Qwen-3. Психолингвистика с LLM

#llm #helper #психолингвистика #открытые_данные #обучение_моделей | @habr_ai