En este artículo, presentamos PersonaGen, un novedoso marco de generación de texto rico en emociones que utiliza modelos de lenguaje a gran escala (LLM) para abordar la escasez de conjuntos de datos de emociones diversos y de alta calidad en el campo del reconocimiento de emociones. PersonaGen construye personajes virtuales jerárquicos combinando atributos demográficos, antecedentes socioculturales y contextos situacionales detallados para impulsar la generación de expresiones emocionales. Realizamos evaluaciones exhaustivas, que incluyen la evaluación de la diversidad semántica mediante métricas de agrupamiento y distribución, la evaluación de la semejanza humana mediante puntuaciones de calidad basadas en LLM, la evaluación del realismo mediante la comparación con corpus de emociones reales y la evaluación de la viabilidad para tareas posteriores de clasificación de emociones. Los resultados experimentales muestran que PersonaGen supera significativamente a los métodos de referencia en la generación de expresiones emocionales diversas, consistentes y discriminantes, lo que demuestra su potencial como una alternativa eficaz para complementar o reemplazar los conjuntos de datos de emociones reales.
