ao-labs-123/layered-communication-framework

# 分层交流框架 ## 概述 分层交流框架是一个轻量级的、基于规则的模型，用于将人类的话语表示为一组重叠的结构层。 该框架没有将交流视为单一的意图、情感或言语行为，而是将话语建模为多个结构维度的共存。 在不依赖深度学习或大规模语料库的情况下，该框架旨在通过最小的本体和透明的规则来捕捉人类交流的结构复杂性。 ⸻ ## 理论背景 许多语言分析方法倾向于将每个话语归入单一类别。 然而在现实中，人类交流通常包含多个同时存在的结构，例如： * 错位 * 评价 * 判断委托 这些结构通常在同一话语中共存。 该框架将话语分解为三个结构轴，并为每个轴分配一个分数，从而将多个交流层的共存可视化。 其目标不在于分类的准确性，而在于结构的可解释性。 ⸻ ## 结构轴 **A：错位结构** 示例包括： * 请求与行动不匹配 * 指称不匹配 * 期望与理解不匹配 此轴捕捉交流中的结构摩擦。 ⸻ **B：评价结构** 示例包括： * 情境评价 * 人物评价 * 引发立场形成的强烈评价表达 此轴根据语言和态度指标提取评价层。 ⸻ **C：委托判断结构** 示例包括： * 责任委托（“由你决定”） * 隐性规范依赖（“事情就是这样”） * 条件性责任（“如果 X，则 Y”） * 基于体谅的委托（“如果可能的话”、“如果你不介意的话”） 此轴用于识别判断、责任或决策权的归属。 ⸻ ## 多层评分 每个话语会获得三个归一化分数： * A_score * B_score * C_score 所有分数均归一化到 [0,1] 范围内。 ## 多层分类 最高分用作参考轴。 当满足以下条件时，该轴被视为活跃状态：当满足以下条件时，该轴被视为活跃状态： score >= max_score * 0.6score >= max_score * 0.6 这将产生： * 单层话语 * 双层话语 * 三层话语 ## 平衡指数 三个轴分数的标准差计算公式为： balance_index 解释： * 低值 → 结构平衡的话语 * 高值 → 结构集中的话语 这提供了一种简单的结构偏差量化指标。 ## 示例 **输入** 如果可能的话，你能检查一下这个吗？ **输出** A_score: 0.2 B_score: 0.3 C_score: 0.7 active_axes: ['B', 'C'] structure_type: dual balance_index: 0.21 ## 仓库结构 ``` ├── data │ ├── analysis_output.csv │ ├── comments_raw.csv │ ├── gold_sample.csv │ └── videos.csv │ ├── docs │ ├── examples.md │ ├── annotation_guideline.md │ └── ontology.md │ ├── src │ └── layered_communication │ ├── analyzer.py │ └── scoring │ ├── README.md ├── notebooks └── scripts ``` ## 定位 本项目无意成为高精度的分类器。 其目的是平衡以下几点： * 轻量化设计 * 透明的规则 * 高结构可解释性 该框架试图不仅通过语义，而且通过交流结构的重叠来表征人类交流。 ⸻ ## 未来方向 * 大型语料库上的多层频率分析 * 话语的结构聚类 * 跨语言适应 * 人类与 AI 生成交流的比较

标签：云计算, 人类沟通建模, 可解释AI, 规则引擎, 话语分析, 逆向工具