ترجمه فارسی مقاله استدلال احساسی برای مراقبت‌های بهداشتی

چکیده

Transparency in AI decision-making is crucial in healthcare due to the severe consequences of errors, and this is important for building trust among AI and users in sentiment analysis task. Incorporating reasoning capabilities helps Large Language Models (LLMs) understand human emotions within broader contexts, handle nuanced and ambiguous language, and infer underlying sentiments that may not be explicitly stated. In this work, we introduce a new task – Sentiment Reasoning – for both speech and text modalities, along with our proposed multimodal multitask framework and dataset. Our study showed that rationale-augmented training enhances model performance in sentiment classification across both human transcript and ASR settings. Also, we found that the generated rationales typically exhibit different vocabularies compared to human-generated rationales, but maintain similar semantics. All code, data (English-translated and Vietnamese) and models are published online: https://github.com/leduckhai/MultiMed

چکیده به فارسی (ترجمه ماشینی)

شفافیت در تصمیم گیری هوش مصنوعی به دلیل عواقب شدید خطاها در مراقبت های بهداشتی بسیار مهم است و این برای ایجاد اعتماد در بین هوش مصنوعی و کاربران در کار تجزیه و تحلیل احساسات مهم است.ترکیب قابلیت های استدلال به مدلهای بزرگ زبان (LLM) کمک می کند تا احساسات انسانی را در زمینه های وسیع تر درک کنند ، به زبان ظریف و مبهم برخورد کنند و احساسات اساسی را که صریحاً بیان نشده است ، استنباط کنند.در این کار ، ما یک کار جدید – استدلال احساسات – را برای هر دو روش گفتار و متن ، به همراه چارچوب و مجموعه داده های چند وظیفه ای پیشنهادی ما معرفی می کنیم.مطالعه ما نشان داد که آموزش های منطقی و با اوج عملکرد مدل را در طبقه بندی احساسات در هر دو تنظیمات انسانی و تنظیمات ASR تقویت می کند.همچنین ، ما دریافتیم که عقلانی تولید شده به طور معمول واژگان های مختلفی را در مقایسه با عقلانی های تولید شده توسط انسان نشان می دهند ، اما معناشناسی مشابه را حفظ می کنند.تمام کد ، داده ها (انگلیسی ترجمه شده و ویتنامی) و مدل ها بصورت آنلاین منتشر می شوند: https://github.com/leduckhai/multimed