Emo2Vec：通过多任务训练学习广义情感表示
计算与语言
2018-09-13 v1
摘要
在本文中，我们提出Emo2Vec，其将情感语义编码为向量。我们通过多任务学习六个不同的情感相关任务来训练Emo2Vec，包括情感/情绪分析、讽刺分类、压力检测、滥用语言分类、侮辱检测和人格识别。我们对Emo2Vec的评估表明，它以小得多的训练语料库优于现有的情感相关表示，如Sentiment-Specific Word Embedding和DeepMoji embeddings。当与GloVe拼接时，Emo2Vec使用简单的逻辑回归分类器在多个任务上取得了与最先进结果具有竞争力的性能。
引用
@article{arxiv.1809.04505,
title = {Emo2Vec: Learning Generalized Emotion Representation by Multi-task Training},
author = {Peng Xu and Andrea Madotto and Chien-Sheng Wu and Ji Ho Park and Pascale Fung},
journal= {arXiv preprint arXiv:1809.04505},
year = {2018}
}
备注
Accepted by 9th Workshop on Computational Approaches to Subjectivity, Sentiment & Social Media Analysis(WASSA) in EMNLP 2018