BAKSA 在 SemEval-2020 任务 9 中的工作：以自注意力增强 CNN 用于混合代码文本情感分析
计算与语言
2020-07-23 v1 机器学习
摘要
混合代码文本的情感分析在意见挖掘中具有多样化应用，从标注用户评论到识别子群体的社会或政治情绪。本文中，我们提出一种卷积神经网络（CNN）与基于自注意力的 LSTM 的集成架构，用于混合代码推文的情感分析。CNN 组件有助于正类和负类推文的分类，而基于自注意力的 LSTM 有助于中性推文的分类，因其能从多个情感承载单元中识别正确情感。我们在印地语-英语（Hinglish）和西班牙语-英语（Spanglish）数据集上分别取得了 0.707（排名第 5）和 0.725（排名第 13）的 F1 分数。Hinglish 和 Spanglish 任务的提交分别使用用户名 ayushk 和 harsh_6。
引用
@article{arxiv.2007.10819,
title = {BAKSA at SemEval-2020 Task 9: Bolstering CNN with Self-Attention for Sentiment Analysis of Code Mixed Text},
author = {Ayush Kumar and Harsh Agarwal and Keshav Bansal and Ashutosh Modi},
journal= {arXiv preprint arXiv:2007.10819},
year = {2020}
}
备注
6 pages, 8 figures, 2 tables. Accepted at Proceedings of the 14th International Workshop on Semantic Evaluation (SemEval-2020)