Amobee 在 IEST 2018 的迁移学习系统：基于语言模型的迁移学习
计算与语言
2019-08-09 v2 机器学习
摘要
本文描述了 Amobee 为 WASSA 2018 隐式情感共享任务（IEST）开发的系统。该任务的目标是在推文中未显式提及缺失词的情况下，预测这些缺失词所表达的情感。我们开发了一个集成系统，由语言模型与包含 CNN 注意力机制的基于 LSTM 的网络组成。我们的方法代表了一种对语言模型（特别是在大型 Twitter 数据集上专门训练的模型）进行预测和分类情感的新颖使用。我们的系统以 0.7145 的宏 F_1 分数获得第一名。
引用
@article{arxiv.1808.08782,
title = {Amobee at IEST 2018: Transfer Learning from Language Models},
author = {Alon Rozental and Daniel Fleischer and Zohar Kelrich},
journal= {arXiv preprint arXiv:1808.08782},
year = {2019}
}
备注
7 pages, accepted to the 9th WASSA Workshop, part of the EMNLP 2018 Conference; added links to open-source material