自动情绪体验者识别

情绪分析中最突出的子任务是情绪分类，即为一文本单元（例如一条社交媒体帖子）分配一个类别。然而，社会科学的许多研究问题不仅要求检测帖子作者的情绪，还需要理解文本中归因于谁的情绪。该任务由情绪角色标注来解决，其旨在提取文本中描述的谁在体验情绪、为何以及朝向谁。但如果要回答的主要问题是谁感受到哪种情绪，这可被视为过于复杂。针对此类设置的一种针对性方法是，就其所感知的情绪对情绪体验者提及（又称“emoters”）进行分类。该任务类似于人名命名实体识别，不同之处在于并非每个被提及的实体名称都是情绪体验者。尽管最近已有带情绪体验者标注的数据可用，但尚未进行任何实验来检测此类提及。本文中，我们提供基线实验以理解该任务的挑战性。我们进一步在流水线中评估当无黄金提及可用时，对体验者特定情绪分类与评价检测的影响。我们表明，文本中的体验者检测是一项具有挑战性的任务，精确率为0.82，召回率为0.56（F1=0.66）。这些结果激励未来对情绪体验者跨度和情绪/评价预测联合建模的工作。