BERT辅助的情感相关问题语义标注修正
计算与语言
2022-04-05 v1
摘要
传统上，标注数据被用于为监督机器学习（ML）模型的训练提供输入。然而，当前用于自然语言处理（NLP）的预训练ML模型包含嵌入的语言信息，可用于指导标注过程。我们使用BERT神经语言模型将信息反馈到一个标注任务中，该任务涉及一个名为“情感二十问”（EMO20Q）的提问游戏中的对话行为语义标注。首先，我们描述了BERT、EMO20Q数据和辅助标注任务的背景。然后，我们描述了为检查标注标签而微调BERT的方法。为此，我们使用释义任务作为检查所有具有相同标注标签的话语是否被分类为彼此释义的方法。我们证明，这种方法是一种有效的方式来评估和修订具有复杂、话语级语义标签的文本用户数据的标注。
引用
@article{arxiv.2204.00916,
title = {BERT-Assisted Semantic Annotation Correction for Emotion-Related Questions},
author = {Abe Kazemzadeh},
journal= {arXiv preprint arXiv:2204.00916},
year = {2022}
}
备注
Presented at 6th International Workshop on Annotation of useR Data for UbiquitOUs Systems (ARDUOUS) Workshop of IEEE Pervasive Computing (Percom) conference, Mar. 25, 2022. To replicate this experiment please see https://colab.research.google.com/drive/1sXqTT2DoJ1hFBR02iM8W4GKZe5OxCYJy and https://github.com/abecode/emo20q