Este estudio investiga el grado en que los codificadores de texto modernos capturan teorías psicológicas del afecto evaluando doce modelos lanzados recientemente a través de tres marcos de emoción establecidos. La investigación compara el rendimiento a nivel de palabra y a nivel de oración utilizando tanto tareas de regresión como de clasificación.
- Los subvariedades latentes de los codificadores de peso abierto conscientes de las instrucciones contienen información afectiva igual o mayor que sus contrapartes propietarias a nivel de palabra.
- Los codificadores ajustados para la tarea y propietarios logran las puntuaciones más altas en la clasificación afectiva a nivel de oración.
- Se aplicó una técnica de prevención de filtración de datos semánticos para mejorar la robustez en las evaluaciones a nivel de palabra.
- Se proporciona un análisis cualitativo de las representaciones latentes y sus señales afectivas codificadas.
Los hallazgos aclaran las fortalezas comparativas de los modelos de peso abierto frente a los propietarios para diferentes granularidades de tareas de reconocimiento de emociones.