基于表情符号的迁移学习用于情感任务
计算与语言
2021-02-15 v1
摘要
情感任务如仇恨言论检测与情感分析，尤其当在非英语语言上执行时，往往是低资源的。在本研究中，我们利用表情符号中编码的情感信息来提升多种情感任务的性能。这是通过一种迁移学习方法实现的，其中基于表情符号的源任务学到的参数被迁移到情感目标任务。我们在三种条件下分析了迁移的有效性，即 i) 目标任务的表情符号内容，ii) 目标任务的标签分布，以及 iii) 单语与多语学习的源任务之间的差异。我们发现，除其他外，若目标任务平衡且表情符号内容高，则迁移最为有益。单语学习的源任务具有考虑表情符号文化特定用法的优势，并相较基线最高获得 F1 +0.280 的提升。
引用
@article{arxiv.2102.06423,
title = {Emoji-Based Transfer Learning for Sentiment Tasks},
author = {Susann Boy and Dana Ruiter and Dietrich Klakow},
journal= {arXiv preprint arXiv:2102.06423},
year = {2021}
}
备注
6 pages, 2 figures, accepted at EACL-SRW 2021