文本中的情感检测：聚焦于潜在表示
计算与语言
2019-07-23 v1 信息检索
机器学习
摘要
近年来，文本中的情感检测因其在市场营销、政治科学、心理学、人机交互、人工智能等方面的巨大潜在应用而变得更加流行。在这项工作中，我们认为当前基于传统机器学习模型的方法由于忽略文本的序列性质和上下文，无法把握情感语言的复杂性。因此，这些方法不足以创建可应用且可泛化的情感检测方法。理解这些局限性后，我们提出了一种基于双向 GRU 模型的新网络，以表明从文本中捕获更有意义的信息可以显著改善这些模型的性能。结果显示了显著改进，在我们的测试数据上 F-measure 平均提高 26.8 个点，在全新数据集上提高 38.6。
引用
@article{arxiv.1907.09369,
title = {Emotion Detection in Text: Focusing on Latent Representation},
author = {Armin Seyeditabari and Narges Tabari and Shafie Gholizadeh and Wlodek Zadrozny},
journal= {arXiv preprint arXiv:1907.09369},
year = {2019}
}
备注
6 pages, 7 tables, 1 figure