AffRankNet+：利用特权信息对情感进行排序
机器学习
2021-08-13 v1
摘要
许多情感建模任务在训练与测试时呈现信息的不对称分布；关于训练数据有额外信息，而测试时不可用。在此设定下的学习称为利用特权信息学习（Learning Under Privileged Information, LUPI）。同时，由于情感标注的序数性质，将情感建模任务构建为有监督学习排序问题在情感计算研究界正日益受到青睐。受上述两点启发，本研究引入一种排序模型，将关于训练数据的额外信息作为特权信息，以准确对情感状态排序。我们的排序模型将著名的 RankNet 模型扩展至 LUPI 范式，故命名为 AffRankNet+。据我们所知，这是基于神经网络的排序模型首次利用特权信息。我们在公开可用的 Afew-VA 数据集上评估所提模型的性能，并与不使用特权信息的 RankNet 模型进行比较。实验评估表明，AffRankNet+ 模型能取得显著更优的性能。
引用
@article{arxiv.2108.05598,
title = {AffRankNet+: Ranking Affect Using Privileged Information},
author = {Konstantinos Makantasis},
journal= {arXiv preprint arXiv:2108.05598},
year = {2021}
}
备注
8 pages, 4 figures, 2021 9th International Conference on Affective Computing and Intelligent Interaction Workshops and Demos (ACIIW)