结合认知事件特征与自然语言表征预测情绪的第一步探索
计算与语言
2017-10-24 v1
摘要
我们通过结合不同学术领域的方法来探索情绪的表征空间。认知科学提出了评价理论作为人类情绪的一种观点，先前研究表明，人工评定的抽象事件特征可以预测细粒度情绪，并捕捉心智化脑区神经模式的相似性空间。与此同时，自然语言处理(NLP)展示了如何利用迁移学习和多任务学习来应对文本建模中标注数据的稀缺性。本工作的贡献在于表明评价理论可以与NLP结合以实现互利。首先，通过除评价特征外还使用NLP表征，细粒度情绪预测可以提升至人类水平的表现。其次，在训练期间使用评价特征作为辅助目标，即使仅以文本作为输入，也能改善预测。第三，我们获得了一个表征，其相似性矩阵与跨脑区的神经活动具有更好的相关性。当模型被训练为使用共享表征同时预测评价、情绪和表情符号时，取得了最佳结果。虽然这些结果是初步的，但认知神经科学与NLP技术的整合为未来研究开辟了一个有趣的方向。
引用
@article{arxiv.1710.08048,
title = {A First Step in Combining Cognitive Event Features and Natural Language Representations to Predict Emotions},
author = {Andres Campero and Bjarke Felbo and Joshua B. Tenenbaum and Rebecca Saxe},
journal= {arXiv preprint arXiv:1710.08048},
year = {2017}
}
备注
Conference on Cognitive Computational Neuroscience (2017)