使用专家模型进行推文中的情感分析
信息检索
2019-04-02 v1 计算与语言
机器学习
机器学习
摘要
估计情感强度已变得重要，因为社交媒体、电子零售市场、心理学、广告等潜在应用中的现代文本输入除了含义之外还携带大量情绪、感受和表达。然而，传统情感分析的方法主要侧重于对情感进行总体分类（正面或负面）或方面级分类（非常正面、略微负面等），无法利用强度信息。此外，从文本中自动识别愤怒、恐惧、喜悦、悲伤、厌恶等情绪引入了具有挑战性的场景，其中单条推文可能包含具有不同强度的多种情绪，并且某些情绪甚至可能在部分推文中同时出现。在本文中，我们提出了一种受标准混合专家（MoE）模型启发的架构——专家模型（Experts Model）。这里的核心理念是，每个专家从特征向量中学习不同的特征集，从而有助于更好地从推文中检测情绪。我们将专家模型的结果与基线结果以及 SemEval-2018 Task-1（推文中的情感，AIT）的前五名表现者进行了比较。实验结果表明，我们提出的方法处理了情绪检测问题并位居前 5 名结果。
引用
@article{arxiv.1904.00762,
title = {Affect in Tweets Using Experts Model},
author = {Subba Reddy Oota and Adithya Avvaru and Mounika Marreddy and Radhika Mamidi},
journal= {arXiv preprint arXiv:1904.00762},
year = {2019}
}
备注
10 pages, 6 figures, The 32nd Pacific Asia Conference on Language, Information and Computation (PACLIC 32)