基于加权损失函数的Transformer多标签情感检测中的数据不平衡问题
计算与语言
2026-02-05 v3
摘要
本文探讨了在Transformer模型用于SemEval-2025共享任务11中的多标签情感检测中，应用简单加权损失函数的方法。我们的做法通过动态调整类别权重来解决数据不平衡问题，从而在不引发传统抽样方法计算负担的前提下，提升对少数情感类别的性能。我们在BRIGHTER数据集上评估了BERT、RoBERTa和BART，使用了Micro F1、Macro F1、ROC-AUC、Accuracy和Jaccard相似系数等评估指标。结果表明，加权损失函数在提升高频情感类别性能方面有效，但对少数类别的影响有限。这些发现既凸显了该方法的有效性，也揭示了其在不平衡多标签情感检测中面临的挑战。
引用
@article{arxiv.2507.11384,
title = {Addressing Data Imbalance in Transformer-Based Multi-Label Emotion Detection with Weighted Loss},
author = {Xia Cui},
journal= {arXiv preprint arXiv:2507.11384},
year = {2026}
}
备注
10 pages, 1 figure, SemEval 2025