[论文解读] Is Sentiment Banana-Shaped? Exploring the Geometry and Portability of Sentiment Concept Vectors

Laurits Lyngbaek, Pascale Feldkamp+3 more|arXiv (Cornell University)|Jan 12, 2026

Sentiment Analysis and Opinion Mining被引用 0

一句话总结

本研究评估连续情感评分中概念向量投射（CVP）在不同体裁、语言和时间中的可移植性，显示出强大的可移植性并揭示一个香蕉形状的中性区域，提示情感几何的近似线性。

ABSTRACT

Use cases of sentiment analysis in the humanities often require contextualized, continuous scores. Concept Vector Projections (CVP) offer a recent solution: by modeling sentiment as a direction in embedding space, they produce continuous, multilingual scores that align closely with human judgments. Yet the method's portability across domains and underlying assumptions remain underexplored. We evaluate CVP across genres, historical periods, languages, and affective dimensions, finding that concept vectors trained on one corpus transfer well to others with minimal performance loss. To understand the patterns of generalization, we further examine the linearity assumption underlying CVP. Our findings suggest that while CVP is a portable approach that effectively captures generalizable patterns, its linearity assumption is approximate, pointing to potential for further development.

研究动机与目标

• 评估CVP获得的情感分数在体裁（社交媒体、信件、文学）、历史时期和语言（英语、丹麦语）中的可移植性。
• 评估CVP是否能够超越价性（valence）泛化到唤醒（arousal）和支配（dominance）。
• 考察CVP的几何假设，特别是嵌入空间中的线性性以及中性情感的结构。
• 为人文学科使用连续情感分数而无需大量领域特定再训练提供实际意义。

提出的方法

• 通过取正样本句子和负样本句子的嵌入均值，并计算其单位差向量作为概念向量来构建概念向量。
• 用预训练的句子嵌入模型(paraphrase-multilingual-mpnet-base-v2)对句子进行嵌入。
• 通过将句子嵌入投射到概念向量上（点积）进行评分，然后进行z-score标准化。
• 使用语料库相对的价性阈值（均值±1标准差）来定义源负样本和目标正/样本集合。
• 通过跨数据集实验测试可移植性：在英语和丹麦语的Fiction4、Emobank和Facebook数据集以及子体裁之间进行跨数据集测试。
• 将分析扩展到唤醒和支配，以评估超越价性的泛化能力。

实验结果

研究问题

• RQ1 CVP派生的情感评分是否能在不同体裁、时间段和语言之间良好转移？
• RQ2 CVP是否能够泛化到相关的情感维度，如唤醒和支配？
• RQ3 CVP的线性假设是否有效，还是中性情感在嵌入空间中占据香蕉形流形？
• RQ4 对于使用连续情感分数的人文学研究，CVP有哪些实际意义和局限性？

主要发现

• CVP分数在三大语料库中与人类判断保持良好一致，显示出强跨领域可移植性。
• CVP可泛化到唤醒和支配，尽管准确度低于价性的表现。
• 线性假设是近似的：中性情感嵌入形成香蕉形曲线，而非恰好位于价性轴上。
• 中性嵌入携带额外的语义信息，这在观测数据中呈现出三角形质心几何。
• 在一个语料库上训练的CVP可以以最小的性能损失转移到其他数据集之间，包括历史丹麦语赞美诗与当代Facebook帖子之间的转移。
• 基于变换器的基线在某些数据集（如Facebook）上可能优于CVP，但CVP产出更平滑的连续情感分布。