تتطور المشاعر البشرية من خلال تفاعلاتنا اليومية، وفهم هيكل انتقال هذه المشاعر يعد أساسياً للعديد من التطبيقات، بدءاً من تقييم الصحة النفسية إلى تطوير أنظمة حوارية متطورة. ومع ذلك، كانت الدراسات السابقة تلخص أحكام المقيمين المتعددين إلى تصنيف واحد ثابت باستخدام التصويت بالأغلبية، وهو ما يفقد الإشارة إلى عدم اليقين اللازمة لفهم الانتقال من جملة إلى أخرى.

في هذا السياق، يظهر إطار عمل جديد يُعرف بـ Bayesian Spectral Emotion Transition Discovery (BSETD)، والذي يُتيح اكتشاف هيكل انتقال المشاعر من التصنيفات اللينة الناتجة عن عدة مقيمين. يتكون هذا الإطار من مرحلتين رئيسيتين.

في المرحلة الأولى، يتم بناء توزيع هيراركي من خلال تركيب المصفوفات الناتجة عن التصنيفات اللينة، مما يمنح كل خلية في مصفوفة الانتقال KxK مجالاً موثوقاً من الشك وكفاءة مسيطر عليها على معدل الاكتشاف الزائف.

أما في المرحلة الثانية، فيتم تحليل الرسم البياني باستخدام تحلل طيفي لفصل مكون التردد المنخفض (التثبيت) عن مكون التردد العالي (العدوى)، مما يساعد في التعرف على الأنماط المختلفة للانتقال العاطفي. باستخدام مجموعة بيانات EmotionLines، يظهر النموذج BSETD كيف أن انتقالات مشاعر مثل الاشمئزاز إلى الغضب وغضب إلى اشمئزاز تمثّل بشكل كبير، بينما الانتقالات العاطفية السلبية مثل الفرح إلى الغضب وغضب إلى فرح تُظهر نقصاً.

علاوة على ذلك، من خلال التحقق عبر خمسة مصادر مختلفة، أظهرت النتائج توافقاً عالياً يصل إلى 0.98 بين التقييمات البشرية والتصنيفات اللينة الناتجة عن نماذج اللغة، مما يبرهن على أن الحفاظ على الشكوك الناتجة عن تقييمات المعلقين يمكن أن يربط الدراسة الحاسوبية لديناميكيات المشاعر بالنظريات النفسية المعتمدة.