HELPER：我们如何构建心理情感文本语料库并微调Qwen用于本地情感分析

来自高等经济学院（HSE）应用人工智能实验室和VK的团队（亚历山大·萨布科、维多利亚·别利亚夫斯卡娅、谢尔盖·帕夫卢欣）推出了HELPER项目，旨在分析文本作者的情绪状态，考虑局部情绪表现及其动态。标准的情绪分析方法（二元或多类分类）不适用于心理负荷较重的文本，因为情绪是片段式呈现，而非整体氛围。现有的俄语数据集采用不同的标注方案，无法合并。团队对10名执业心理学家进行了深度访谈，基于分析开发了一套包含四个组成部分的综合标注方案：情绪分段（基于Ekman和OCC理论的14种情绪）、心理学家回答的四项标准评估、主题标签以及客户状态的五项量表最终评估。语料来自三个来源：B17.ru上的咨询对话、Yandex.Maps上的评论以及VKontakte上的帖子和评论。目前，语料包含786个对话（按7种情绪标注，约900万个符号标签）和156个按扩展方案（14种情绪）标注的对话，以及评论和帖子。为进行标注，开发了基于.NET 10、ASP.NET Core、Blazor和PostgreSQL的HELPER应用，并通过Keycloak进行身份验证。该应用支持深度优先的对话优先级排序、标注员工作的积分系统以及可疑用户检测器。为了展示数据的可用性，团队通过LoRA在自己的语料上微调了Qwen-3 8B和Qwen-3 14B模型（在高经济学院cHARISMa上计算）。对话在输入前会进行规范化处理（删除BB代码、URL），但保留言语风格，因为言语特征对分析很重要。项目表明，对于心理语言学分析任务，所构建的语料相比通用方法能获得更高质量的结果。