감정 분류기(emotion classifiers)에 대한 설명은 대개 사후적(post hoc)으로 생성되며, 해당 설명이 레이블 뒤에 숨겨진 계산 과정을 반영한다는 보장이 없습니다. 우리는 이벤트 기반 감정 분석을 위한 설명(explication) 인터페이스를 제시합니다. 파서(parser)는 입력 텍스트를 12개의 유형화된 슬롯(typed slots)으로 구성된 자연 의미 메타언어(Natural Semantic Metalanguage)의 폐쇄적 어휘로 이루어진 짧은 스크립트인 설명으로 매핑하며, 출판된 의미론적 정의로부터 전사된 고정된 규칙 결정 목록(decision list of rules)이 해당 설명만으로 레이블을 계산합니다. 따라서 충실성(faithfulness) 보장은 인과적(causal)이고 정의적(definitional)인 반면, 모든 경험적 위험(empirical risk)은 학습된 파서에 존재하며, 행별 함의(per-line entailment) 인터페이스를 통해 입력값에 대해 감사(auditable)할 수 있습니다. 크라우드소싱된 이벤트 설명 데이터셋에서, 우리의 미세 조정된(fine-tuned) 파서는 소규모 홀드아웃(held-out) 세트에서 0.33의 정확도(accuracy)와 0.48의 선택적 정확도(selective accuracy)를 달성했습니다. 이는 이 인터페이스가 블랙박스 모델과의 미미한 정확도 차이를 대가로, 1인칭 이벤트 기반 감정 분석을 위한 검증 가능하고 검사 가능한 결정 근거를 제공함을 시사합니다. 또한 우리는 행별 검증 메타데이터와 전체 규칙 세트가 포함된 EmoExpl-1200을 공개합니다.