用于新闻信息检索的情感增强词嵌入
信息检索
2019-09-05 v1 计算与语言
摘要
词的分布式表示已被证明可有效提升信息检索（IR）系统在查询扩展、检索与排序等子任务中的效果。word2vec、GloVe 等算法也是诸多自然语言处理（NLP）任务改进的关键要素。此类嵌入模型的一个常见问题是，happy 与 sad 等词出现在相似语境中，从而在嵌入空间中被错误地聚拢。本文利用 Aff2Vec（一组包含情感信息的词嵌入模型）以更好地捕捉新闻文本中的情感维度，从而在信息检索任务中取得更优结果，且此类嵌入较少受同义/反义词问题影响。我们在纽约时报数据集（TREC-core '17）上针对两项 IR 相关任务（查询扩展与排序）评估其有效性，并与其它基于词嵌入的模型及经典排序模型进行比较。
引用
@article{arxiv.1909.01772,
title = {Affect Enriched Word Embeddings for News Information Retrieval},
author = {Tommaso Teofili and Niyati Chhaya},
journal= {arXiv preprint arXiv:1909.01772},
year = {2019}
}