CEFER: 基于上下文与情感嵌入特征的四维度框架用于隐性与显性情感识别
计算与语言
2022-09-29 v1
摘要
人们的行为和反应由其情感驱动。在线社交媒体正成为以书面形式表达情感的重要工具。关注上下文和整个句子有助于我们从文本中检测情感。然而,这一视角阻碍我们注意到文本中的某些情感词或短语,尤其是当这些词隐性而非显性地表达情感时。另一方面,只关注词而忽略上下文会导致对句子含义和感受的扭曲理解。在本文中,我们提出一个在句子和词两个层面分析文本的框架。我们将其命名为 CEFER(Context and Emotion embedded Framework for Emotion Recognition,上下文与情感嵌入情感识别框架)。我们的四个方法维度是:同时考虑整个句子与每个单独的词,以及隐性与显性情感来提取数据。从这些数据中获得的认知不仅减轻了前述方法的缺陷影响,还增强了特征向量。我们使用 BERT 系列模型评估若干特征空间并基于此设计 CEFER。CEFER 将每个词(包括显性与隐性情感)的情感向量与基于上下文的每个词的特征向量相结合。CEFER 表现优于 BERT 系列。实验结果表明,识别隐性情感比检测显性情感更具挑战性。CEFER 提高了隐性情感识别的准确率。根据结果,CEFER 在识别显性情感上比 BERT 系列高 5%,在隐性情感上高 3%。
引用
@article{arxiv.2209.13999,
title = {CEFER: A Four Facets Framework based on Context and Emotion embedded features for Implicit and Explicit Emotion Recognition},
author = {Fereshteh Khoshnam and Ahmad Baraani-Dastjerdi and M. J. Liaghatdar},
journal= {arXiv preprint arXiv:2209.13999},
year = {2022}
}