في مجال التعرف على المشاعر خلال المحادثات (Emotion Recognition in Conversations - ERC)، يعتمد النجاح على قدرة النماذج في التفريق بين تعبيرات المشاعر الإنسانية الدقيقة. وعلى الرغم من أن نماذج اللغة المدربة مسبقًا (Pre-trained Language Models - PLMs) تعد من أبرز الأدوات في هذا المجال، إلا أن معظمها يعاني من ضعف في فهم أسباب التنبؤات، مما يتسبب في تصنيف خاطئ للمشاعر الأقل تواجدًا في البيانات، حيث تُصنف الكثير من التعبيرات كمشاعر محايدة.

للحلّ هذه المشكلة، تم تقديم نهج جديد ومبتكر يجمع بين PLMs وبصمات Fuzzy (Fuzzy Fingerprints - FFPs). هذه البصمات توفر نماذج معينة لكل فئة، مما يعكس الأنماط النمطية لتنشيط الفئات في الفضاء الكامن للنموذج. تعتمد هذه البصمات على تصنيف وتنقيح تنشيطات السياقات الحوارية من بيانات التدريب لكل شعور.

خلال وقت الاستدلال، تُطبق نفس العملية على تعبيرات المدخلات، حيث تُقارن مع النماذج الشعورية باستخدام دالة تشابه فuzzy تعتمد على تداخل المجموعات الفuzzy.

أظهرت النتائج التجريبية أن دمج FFPs يقلل من تصنيف التعبيرات المحايدة بشكل مفرط، وأكد التقييم البشري مدى دقة التنبؤات التي تقدمها هذه الطريقة. وبالتالي، فإن الأسلوب المقترح يسد الفجوة بين الاستدلال العميق للآلة والفهم الإنساني، مع المحافظة على أداء يتماشى مع أحدث التقنيات المتاحة، ويوفر رؤى قيمة في عملية التصنيف.