Large language model for Bible sentiment analysis: Sermon on the Mount
作者: Mahek Vora, Tom Blau, Vansh Kachhwal, Ashu M. G. Solo, Rohitash Chandra
分类: cs.CL, cs.AI
发布日期: 2024-01-01
💡 一句话要点
利用大语言模型进行圣经情感分析，聚焦登山宝训
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 情感分析 大语言模型 宗教文本 圣经研究 多语言比较 自然语言处理 语义分析
📋 核心要点
- 现有情感分析方法在多语言文本比较中存在局限，尤其是在宗教文本的情感表达上。
- 本研究提出利用预训练语言模型对圣经登山宝训进行情感分析，比较不同翻译版本的情感差异。
- 实验结果显示，不同翻译在情感表达上存在显著差异，尤其在幽默、乐观和同情等情感维度上。
📝 摘要（中文）
自然语言处理的革命通过大语言模型的应用，推动了社会科学和人文学科的多学科研究，尤其是在比较宗教领域。情感分析为研究文本中表达的情感提供了机制。本研究利用情感分析研究圣经的选定章节，即登山宝训。我们使用预训练语言模型，比较五种不同翻译版本的登山宝训，包括《钦定本》、《新国际版》、《新修订标准版》、《拉姆萨版》和《基础英语版》。通过逐章逐节的情感和语义分析，我们发现不同翻译在词汇上存在显著差异，并检测到不同章节中幽默、乐观和同情的不同程度。
🔬 方法详解
问题定义：本研究旨在解决现有情感分析方法在多语言宗教文本比较中的不足，尤其是对圣经文本的情感理解和表达的局限性。
核心思路：通过使用预训练的大语言模型，对五种不同翻译版本的登山宝训进行情感和语义分析，以揭示其在情感表达上的差异。
技术框架：研究流程包括数据收集（五种翻译版本）、预处理（文本清洗和标准化）、情感分析（使用预训练模型进行情感评分）以及结果比较（逐章逐节分析情感差异）。
关键创新：本研究的创新点在于将大语言模型应用于宗教文本的情感分析，尤其是通过多版本比较揭示情感表达的细微差异，这在现有研究中较为少见。
关键设计：在模型训练中，采用了多种损失函数以优化情感分类效果，并对模型的超参数进行了细致调优，以确保情感分析的准确性和可靠性。通过对比不同翻译的词汇使用，进一步分析了情感表达的多样性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，不同翻译版本的登山宝训在情感表达上存在显著差异，尤其在幽默、乐观和同情等情感维度上，显示出不同翻译在词汇使用上的多样性。具体而言，某些版本在幽默感的表达上得分更高，反映出翻译者的不同理解和表达风格。
🎯 应用场景
该研究的潜在应用领域包括宗教研究、心理学、社会学等，能够为理解宗教文本中的情感表达提供新的视角和方法。未来，该方法还可以扩展到其他文本类型的情感分析，促进跨文化交流和理解。
📄 摘要（原文）
The revolution of natural language processing via large language models has motivated its use in multidisciplinary areas that include social sciences and humanities and more specifically, comparative religion. Sentiment analysis provides a mechanism to study the emotions expressed in text. Recently, sentiment analysis has been used to study and compare translations of the Bhagavad Gita, which is a fundamental and sacred Hindu text. In this study, we use sentiment analysis for studying selected chapters of the Bible. These chapters are known as the Sermon on the Mount. We utilize a pre-trained language model for sentiment analysis by reviewing five translations of the Sermon on the Mount, which include the King James version, the New International Version, the New Revised Standard Version, the Lamsa Version, and the Basic English Version. We provide a chapter-by-chapter and verse-by-verse comparison using sentiment and semantic analysis and review the major sentiments expressed. Our results highlight the varying sentiments across the chapters and verses. We found that the vocabulary of the respective translations is significantly different. We detected different levels of humour, optimism, and empathy in the respective chapters that were used by Jesus to deliver his message.