书面故事中的自动情感建模
计算与语言
2024-10-28 v1
摘要
讲故事是人类交流不可或缺的一部分，能够唤起情感并影响受众的情感状态。因此，自动建模故事中的情感轨迹引起了学术界的极大兴趣。然而，由于现有的大多数工作局限于基于无监督词典的方法，该任务尚无标注的基准。我们通过为一个现有的标注有离散情感类别的儿童故事数据集引入连续的效价和唤醒度标注来填补这一空白。我们为该数据收集了额外的标注，并将最初的分类标签映射到效价和唤醒度空间。利用自然语言处理的最新进展，我们提出了一组新颖的基于 Transformer 的方法，用于预测书面故事发展过程中的效价和唤醒度信号。我们探索了几种微调预训练 ELECTRA 模型的策略，并研究了在推断句子情感时考虑句子上下文的好处。此外，我们还实验了额外的 LSTM 和 Transformer 层。最佳配置在测试集上实现了 0.7338 的效价一致性相关系数（CCC）和 0.6302 的唤醒度一致性相关系数，证明了我们所提方法的适用性。我们的代码和额外标注已在 https://github.com/lc0197/emotion_modelling_stories 上公开。
关键词
引用
@article{arxiv.2212.11382,
title = {Automatic Emotion Modelling in Written Stories},
author = {Lukas Christ and Shahin Amiriparian and Manuel Milling and Ilhan Aslan and Björn W. Schuller},
journal= {arXiv preprint arXiv:2212.11382},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication