यह शोधपत्र एआई चिकित्सा निर्णय-प्रक्रिया की पारदर्शिता बढ़ाने के लिए सेंटीमेंट रीजनिंग नामक एक नवीन कार्य का प्रस्ताव करता है। सेंटीमेंट रीजनिंग एक पूरक कार्य है जो वाक् और पाठ दोनों रूपों पर लागू होता है, जहाँ एक मॉडल भावना लेबलों की भविष्यवाणी करता है और उनके लिए तर्क उत्पन्न करता है। हम एक बहुविध, बहु-कार्य ढाँचा और दुनिया का सबसे बड़ा बहुविध भावना विश्लेषण डेटासेट प्रस्तुत करते हैं। मानव और स्वचालित वाक् पहचान (एएसआर) दोनों प्रतिलेखों पर हमारे अध्ययन से पता चलता है कि सेंटीमेंट रीजनिंग, मॉडल भविष्यवाणियों के लिए तर्क प्रदान करके मॉडल पारदर्शिता (मानव-जैसी अर्थ गुणवत्ता) को बढ़ाती है, और तर्क-वर्धित फ़ाइन-ट्यूनिंग के माध्यम से मॉडल वर्गीकरण प्रदर्शन (+2% वृद्धि) में भी सुधार करती है। इसके अलावा, मानव और एएसआर प्रतिलेखों के बीच उत्पन्न तर्क की अर्थ गुणवत्ता में कोई महत्वपूर्ण अंतर नहीं था। कोड, डेटा और मॉडल पाँच भाषाओं में जारी किए गए: वियतनामी, अंग्रेज़ी, चीनी, जर्मन और फ़्रेंच।
