爱情的三种成分:人际关系情感分析模型实战分析

简介: 本文用AI模型分析上千条真实对话,结合斯腾伯格爱情三角理论(亲密、激情、承诺),揭示爱情在语言中的三重面孔:从“梦到你”的思念、“买菜洗衣”的日常到“冷静一下”的倦怠,展现浪漫表象下生活融合、细节记忆与长期承诺的语言证据。(239字)

爱情的三种成分:一个 AI 模型从上千条对话中读出了什么

本文是「知更鸟」人际关系情感分析模型系列文章的第二篇(友情篇 点此阅读)。模型在三项任务上的准确率分别为 86.2%(关系类型)、92.2%(情感极性)和 84.1%(关系动态)。


一、三句话,三种爱情

先看三句真实的对话:

"今天路过我们第一次见面的那家咖啡馆,突然好想你。已经三个月了,每天晚上还是会梦到你。"

"晚饭想吃什么?我下班顺路买菜。对了,洗衣液用完了,记得提醒我买。"

"我觉得我们需要冷静一下。最近总是在为一些小事吵架,每次吵完我都很累。我们到底怎么了?"

同样是爱情——第一句是浓烈的思念,第二句是平淡的日常,第三句是疲惫的倦怠。它们的情感强度、关系动态、甚至"爱的味道"都完全不同。

在友情篇里,我提到过一个观点:友情比爱情更难定义。 但反过来说,爱情虽然"容易辨认",却可能是所有关系中最难用文字说清楚的一种。因为它内部包含了太多互相矛盾的张力:激情与平淡、依赖与独立、占有与放手、理智与疯狂。

1986 年,心理学家 Robert Sternberg 提出了爱情三角理论,认为爱情由三种成分构成:亲密(intimacy)、激情(passion)和承诺(commitment)。不同类型的爱情,就是这三者的不同组合比例。这个理论距今快四十年了,但它提供了一套至今仍是最优雅的分析框架。

在这篇文章中,我想用知更鸟模型的分析结果,对照 Sternberg 的理论,来回答一个问题:当我们从一段对话中读出"这是爱情"的时候,我们到底在读什么?


二、"买菜"为什么是爱情信号?

先做一组对比测试,把友情篇里那个经典问题翻过来看:

文本 模型判断 情感 动态
"周末一起去爬山吗?好久没见了,听说西山那边的枫叶红了。" 友情 (97.2%) 正面 亲近
"今天路过我们第一次见面的那家咖啡馆,突然好想你。已经三个月了,每天晚上还是会梦到你。" 爱情 (99.7%) 正面 亲近
"晚饭想吃什么?我下班顺路买菜。对了,洗衣液用完了,记得提醒我买。" 爱情 (94.8%) 中性 稳定
"你上次说的那个充电宝我看了下评价,已经下单了。顺便把你的地址也存我备忘录了,以后寄东西直接填。" 爱情 (low conf) 正面 稳定

第一行和第二行都是"正面 + 亲近"的组合,但模型能清楚地区分。第二行的爱情信号非常直观:"想你""梦到你"——这是 Sternberg 框架中的激情成分,欲望和思念的混合物。

但第三行和第四行更有意思。它们既没有"想你",也没有"爱你",甚至说不上浪漫。那为什么模型还是判断为爱情?

答案就藏在第四行的细节里:"顺便把你的地址也存我备忘录了,以后寄东西直接填。" 这不是一次性的帮忙,这是把对方的信息纳入了自己的长期生活基础设施。这和友情篇中"洗衣液用完了"是同一个逻辑——爱情区别于友情的关键特征之一,是生活空间的融合。

友情倾向于共享经历;爱情倾向于共享生活。前者是一起爬山,后者是一起买菜。


三、用 Sternberg 三角拆解爱情的三种面孔

在友情篇中,我用了 Knapp 模型的三阶段(亲近/稳定/疏远)来分析友情。对于爱情,Sternberg 的三角理论提供了更精准的解剖刀。对照模型的数据,我发现三种成分在对话中各有对应的语言模式。

3.1 亲密(Intimacy)—— "你早上找不到钥匙的样子"

"刚看到你发的那个猫猫视频,笑死我了。它那个表情跟你早上找不到钥匙的样子一模一样。晚上回来给你看个东西,你肯定喜欢。"

— 关系:爱情 | 情感:正面 | 情绪:亲密感 | 动态:亲近

亲密在 Sternberg 的定义中是"亲近、联结和相互理解的感觉"。这句话完美诠释了亲密的核心特征:共享内部笑话。

"它那个表情跟你早上找不到钥匙的样子一模一样"——这句话的信息密度极高。它同时传达了:①我知道你每天早上在干什么(生活节奏的同步);②我记得你找不到钥匙时的样子(对你个人细节的熟悉);③这个共有记忆只有我们两个人懂(排他性的理解空间)。

Sternberg 认为,亲密是三成分中最稳定、最不易消退的。激情的火焰会减弱,承诺可能被打破,但亲密感一旦建立,就像墙上的钉子——即使画取下来了,洞还在。数据也印证了这一点:在爱情样本中,带有亲密信号的文本(共享经历、内部笑话、非浪漫的身体细节记忆)的情感极性普遍偏正面,且动态以稳定为主。

3.2 激情(Passion)—— "我每晚都会梦到你"

"今天路过我们第一次见面的那家咖啡馆,突然好想你。已经三个月了,每天晚上还是会梦到你。"

— 关系:爱情 | 情感:正面 | 情绪:思念 | 动态:亲近

激情是 Sternberg 三角中最容易辨认但也最短命的成分。它包括浪漫吸引、身体欲望和强烈的思念。

这句话的"激情指数"几乎是满格的。有几个细节值得注意:

  1. "第一次见面的那家咖啡馆"——地点触发的情感回忆,激情往往绑定特定的感官坐标。
  2. "三个月了"——时间标记暴露了分离状态。激情在分离时最容易被激活,因为它渴望的对象不在场。
  3. "每天晚上还是会梦到你"——无意识层面的渗透。当一个人出现在你梦里,说明ta已经超越了日常关注,进入了深层心理。

但模型数据也揭示了一个有趣的事实:纯激情驱动的爱情对话在整体爱情数据中占比并不高。 大多数爱情样本混合了激情和其他成分。纯粹的"我好想你"式文本反而最容易出现在关系早期的亲近阶段,而随着关系推进,激情的话语会逐渐被亲密或承诺的语言取代。

3.3 承诺(Commitment)—— "晚上回来记得签收"

"你上次说的那个充电宝我看了下评价,已经下单了。顺便把你的地址也存我备忘录了,以后寄东西直接填。晚上回来记得签收。"

— 关系:爱情 | 情感:正面 | 情绪:信任 | 动态:稳定

承诺在 Sternberg 的框架中是"维持关系的决定"。在短期关系中表现为"我选择和你在一起",在长期关系中表现为"我决定和你继续走下去"。

这段话里没有一个"爱"字,但它几乎是承诺的最纯粹表达。"顺便把你的地址也存我备忘录了"——这句话和友情篇里那句"Hey, just wanted to check in"形成了镜像:

关系类型 维护方式 频率特征
友情 偶尔出现,但每次都有质量 低频,间歇式
爱情 持续嵌入,渗透日常生活 高频,基础设施式

承诺的语言不是海誓山盟,而是把对方的存在编入了自己的日常算法。


四、爱情数据告诉我们的四件事

发现 1:爱情的"菜市场悖论"

在友情篇中我发现友情不存在"中性日常"——朋友不联系就是真不联系,一旦联系一定有事。但爱情的规律恰恰相反。

爱情数据中,中性日常对话(如买菜、提醒、报备)的占比高达 23%,是所有关系类型中最高的。 亲情排第二(约 15%),友情几乎为零。

这揭示了一个深层矛盾——一个被称为"菜市场悖论"的现象:我们歌颂爱情时,讲的是浪漫和激情。但真正维系爱情的,是洗衣液和充电宝。 浪漫是爱情的广告片,日常是爱情的正片。而模型恰好捕捉到了这两面——它既能在"每晚梦到你"中看到清晰的爱情信号,也能在"记得提醒我买洗衣液"中准确识别。

发现 2:嫉妒是排他性的,爱情不允许"也"

在友情篇中我比较过两种嫉妒:友情的嫉妒是"横向比较"("我们同期进的公司,现在差距越来越大了"),爱情的嫉妒是"排他占有"。

爱情中的经典嫉妒样本:

"你跟他到底是什么关系?为什么你们经常一起加班到那么晚?我问过你三次了,你每次都不正面回答。"

这句话的核心逻辑是 "你跟他"—"我问过你三次"—"你不正面回答"。三层递进:

  1. 对方有一个"他"——关系的排他性被威胁
  2. 追问三次——不是偶然的疑问,是持续的焦虑
  3. 得不到答案——信息不对称加剧了不安全感

在 Sternberg 的框架中,嫉妒属于激情的阴暗面。激情的本质是渴望,而渴望的背面是恐惧失去。数据中,所有标注为"嫉妒"情绪的爱情样本,其关系动态全部是疏远(distance)——嫉妒不是拉近距离的信号,它是关系正在滑向深渊的警报。

发现 3:爱情的道歉是危机信号,友情的道歉是亲密信号

这一条对比友情篇的发现来看最有趣:

场景 友情 爱情
"对不起"出现的频率 低 高
道歉时的关系动态 亲近 (intimacy) 疏远 (distance) 或 稳定 (stable)
道歉的功能 修复个人过失 处理系统性冲突

在友情中,道歉是稀有事件——朋友之间很少出现需要正式道歉的场合,因此一旦发生,它是真诚的亲密信号。但在爱情中,道歉的频率很高(因为冲突的频率也很高),以至于它逐渐失去了"特别"的意义。

更重要的是,爱情数据中道歉样本的关系动态分布如下:亲近 (12%)、稳定 (38%)、疏远 (50%)。也就是说,一半的爱情道歉发生在关系已经趋于疏远的阶段。 此时的道歉不是修复,而是在沉船上补一块木板。

发现 4:Silent Treatment——爱情中最毒的沉默

在爱情数据中有一个特殊的模式:一段文本被标注为"负面 + 疏远",但没有明显的怒气或指责。 它们的特点是语言简短、信息量低、有明显的"不想说了"的信号。

"算了,你忙你的吧。我也不想说了。"

"没事。就这样。"

"行,我知道了。"

这种沉默式退缩(Silent Treatment)在爱情中的杀伤力远超愤怒争吵。因为争吵至少还在交流——双方还在尝试说服对方、表达自己。而沉默意味着退出交流。在 Sternberg 的框架中,这对应着亲密感的主动撤退。不是激情消退(那本来就不可持续),而是连基本的"我想让你懂我"的意愿也消失了。

模型在这些样本上的分类准确率反而很高(>93%)——这有点讽刺:机器比人更擅长识别"对方已经不想跟你说话了"。


五、爱情三角理论:一个比你想象中更深的框架

友情篇中我用社会渗透理论来解释关系深度。对于爱情,Sternberg 的三角理论提供了一个更精密的工具。

5.1 三成分的八种组合

根据三种成分的有无,Sternberg 定义了八种爱情类型:

亲密 激情 承诺 类型 典型表现
✓ ✗ ✗ 喜欢 (Liking) 没有浪漫意图的亲近,容易与友情混淆
✗ ✓ ✗ 迷恋 (Infatuation) 一见钟情,缺乏深度了解
✗ ✗ ✓ 空洞之爱 (Empty Love) 只剩形式,没有内容
✓ ✓ ✗ 浪漫之爱 (Romantic) 亲密+激情,但没有长期规划
✓ ✗ ✓ 伴侣之爱 (Companionate) 老夫老妻模式,激情已退但亲密和承诺稳固
✗ ✓ ✓ 愚昧之爱 (Fatuous) 激情+承诺但缺了解,闪婚型
✓ ✓ ✓ 完美之爱 (Consummate) 三者兼备,最难达到也最难维持

对照模型数据,绝大多数样本落在浪漫之爱(亲密+激情)和伴侣之爱(亲密+承诺)之间。纯迷恋和空洞之爱都极少出现——这也许是因为训练数据侧重自然对话场景,而非单向的内心独白或敷衍的短句。

5.2 三段对话对应三种组合

回头看开篇的三句话,它们恰好落在不同的三角区域:

  • "路过咖啡馆……每晚梦到你" → 浪漫之爱(亲密+激情),亲近动态
  • "晚饭吃什么……洗衣液用完了" → 伴侣之爱(亲密+承诺),稳定动态
  • "我们需要冷静一下……每次吵完都很累" → 危机中的浪漫之爱,三成分中亲密正在流失,疏远动态

这恰好印证了 Sternberg 的一个核心观点:爱情不是静止的状态,而是一个动态平衡系统。 同一段关系可以在不同时刻踏入不同的三角区域。模型捕捉到的"关系动态"维度(亲近/稳定/疏远),本质上就是在追踪这个三角平衡的位移方向。


六、技术插曲:爱情分类最难的地方在哪儿?

6.1 爱情↔友情:混淆矩阵的"头号对手"

在友情篇的技术部分我提到过,友情和爱情的双向误判次数高达 34 次,是所有类别对中的第一名。哪些话让模型犯难?

  • "我需要你"——依赖的表达,爱情和友情都会用
  • "你是我最重要的人"——最高级比较级,但不指定关系类型
  • "没有你我真的不知道该怎么办"——情感求助,边界模糊

有意思的是,这些让模型混淆的表达,恰好也是现实生活中人们搞不清自己感情的来源。 模型在爱情和友情之间的"犹豫",某种程度上是对人类情感模糊性的诚实反映。

6.2 "老婆"类问题:爱情↔亲情的边界

混淆矩阵中还有一个爱情特有的问题:爱情(love)和亲情(family)的混淆。 具体来说,一段文本被标注为"爱情",但实际是家庭成员在说话——比如丈夫叫妻子"老婆"的日常对话。

这暴露了中文情感分析的一个独特挑战:"老婆""老公"这两个称呼在语义上属于爱情范畴,但在使用频率上已经高度日常化,接近于亲情的语言模式。 当一个人说"老婆,今晚想吃什么",ta 表达的内容更接近亲情中的"中性日常",而非爱情中的"浪漫表达"。但两者用的是完全相同的称呼词。

为此,边界修复数据生成器定向生成了多组 love+distinctive 样本,专门对抗这种"老婆类"误判。训练后的模型学会了:不要只看称呼("老婆"),要看话语的语境、情绪强度和互动模式。

6.3 爱情中的"距离悖论"

还有个非常微妙的技术问题:在爱情数据中,情感极性为正面但关系动态为疏远的样本极其稀少,但确实存在。

"早上出门你递给我的那杯豆浆,还是温的。我到现在才喝。你最近好像都很早出门,我睡着的时候你就不在了。"

— 关系:爱情 | 情感:正面 | 情绪:温暖 | 动态:疏远

这段话的情感是正面的(温暖、感恩),但关系动态被标注为"疏远"(distance)。因为字里行间透露的信息是:两个人的生活节奏已经不同步了——一个早出,一个睡着,连见面的时间都对不上。 这是"正面情感 + 疏远动态"的罕见组合,也是多任务学习最能发挥优势的场景——如果没有关系动态这个独立维度,"疏远"的信号就会被"正面情感"淹没。


七、写在最后

友情篇的结尾,我说"友情的温度不在数据里"。但对于爱情,我想说的是另一句话:爱情的数据反而比大多数人的认知更真实。

因为我们谈论爱情时常常说反话。嘴上说"没事",心里翻江倒海。朋友圈发"我们很好",私聊框里是"我们到底怎么了"。浪漫叙事让我们习惯于把爱情简化成玫瑰和烟火,但模型读到的却是充电宝和洗衣液——那些我们甚至不会在日记里写下来的东西。

Sternberg 说,完美的爱情需要亲密、激情和承诺三者兼备。但即使他说这句话的时候也承认,这几乎是一种理想状态。大多数爱情在大多数时刻,只是三成分中某一个在苦苦支撑,另两个在打瞌睡。

模型能告诉我们的,不是"你的爱情值几分",而是你的对话中哪个成分还在、哪个成分已经开始缺席了。 剩下的判断,永远在你手里。


下一篇预告:亲情篇——为什么模型最难分辨"我妈"和"我老婆"?聊聊血缘关系的语言指纹和它的边界模糊地带。


关于「知更鸟」模型

知更鸟(relsent-bert-zh-large)是一个基于心理学理论的多维度人际关系情感分析模型。它以 Chinese-RoBERTa-wwm-ext-large 为基座,同时预测关系类型(7类)、情感极性(3类)和关系动态(3类)。模型和数据集已在 GitHub和modelscope 开源(MIT 协议)。

理论依据:

  • 关系类型:Knapp 关系发展阶段模型
  • 情感极性:Sternberg 爱情三角理论 + Bowlby-Ainsworth 依恋理论
  • 关系动态:社会渗透理论(Altman & Taylor).
相关文章
|
4天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
4830 5
|
4天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1999 5
|
7天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
7天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
20天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
9568 58
|
2天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
14天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3260 9
|
20天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5957 69
|
3天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
908 0