Affect-LM：一种用于可定制情感文本生成的神经语言模型
计算与语言
2017-04-25 v1
摘要
人类口头交流包含通过使用带有情感色彩的词语传达的情感信息。这方面已有大量研究，但将最先进的神经语言模型与情感信息相结合的问题仍是一个有待探索的领域。本文提出了一种对 LSTM（长短期记忆）语言模型的扩展，用于生成对话文本，条件是情感类别。我们提出的模型 Affect-LM 使我们能够通过一个额外的设计参数来定制生成句子中情感内容的程度。使用 Amazon Mechanical Turk 进行的感知研究表明，Affect-LM 生成的情感句子看起来自然，且不牺牲语法正确性。Affect-LM 还学习到了情感判别性词表示，困惑度实验表明，对话文本中的额外情感信息可以改善语言模型预测。
引用
@article{arxiv.1704.06851,
title = {Affect-LM: A Neural Language Model for Customizable Affective Text Generation},
author = {Sayan Ghosh and Mathieu Chollet and Eugene Laksana and Louis-Philippe Morency and Stefan Scherer},
journal= {arXiv preprint arXiv:1704.06851},
year = {2017}
}