COVID-19 期间的情感分析与检测
计算与语言
2022-07-22 v3 计算机与社会
摘要
自然灾害、全球流行病和社会动荡等危机持续威胁着我们的世界，并以不同方式对全球数百万人的情感产生影响。理解人们在大规模危机期间表达的情感，有助于向政策制定者和急救人员通报公众的情绪状态，并为需要支持的人提供情感支持。我们提出了 CovidEmo，一个包含约 3K 条带有情感标签且在 18 个月内按时间分布的英文推文数据集。我们的分析揭示了 COVID-19 造成的情感负担，以及社会叙事和相关情感随时间的变化。鉴于危机的时效性和大规模标注工作的成本，我们研究了在 COVID-19 背景下的感知情感预测任务中，大型预训练语言模型在跨领域和跨时间线上的泛化能力。我们的分析表明，跨领域信息迁移确实存在，但仍存在显著差距。我们提出将半监督学习作为弥合这一差距的方法，利用来自目标领域的无标签数据获得了显著更好的性能。
引用
@article{arxiv.2107.11020,
title = {Emotion analysis and detection during COVID-19},
author = {Tiberiu Sosea and Chau Pham and Alexander Tekle and Cornelia Caragea and Junyi Jessy Li},
journal= {arXiv preprint arXiv:2107.11020},
year = {2022}
}
备注
LREC 2022