基于Busemann能量的注意力机制用于庞加莱圆盘中的情感分析
机器学习
2026-04-09 v1
摘要
我们提出了EmBolic——一种新颖的全双曲深度学习架构，用于从文本消息中进行细粒度情感分析。其基本思想是双曲几何能够高效捕获单词和情感之间的层次结构。在我们的上下文中，这些层次关系源于语义歧义。EmBolic旨在推断连续情感空间上的曲率，而不是将情感视为没有任何度量结构的类别集合。我们架构的核心是双曲圆盘中的注意力机制。模型被训练为从文本消息生成查询（双曲圆盘中的点），而键（边界上的点）则从生成的查询中自动涌现。预测基于查询和键之间的Busemann能量，评估特定文本消息与代表情感的类别方向的对齐程度。我们的实验证明了即使在表示空间维度较小的情况下，也具有很强的泛化能力和相当好的预测准确性。总体而言，本研究支持我们的主张，即情感计算是双曲表示特别有利的应用领域之一。
引用
@article{arxiv.2604.06752,
title = {Busemann energy-based attention for emotion analysis in Poincar\'e discs},
author = {Zinaid Kapić and Vladimir Jaćimović},
journal= {arXiv preprint arXiv:2604.06752},
year = {2026}
}