利用表示学习增强情绪的认知模型
计算与语言
2021-04-21 v1
摘要
我们提出了一种基于深度学习的新框架，用于生成细粒度情绪的嵌入表示，这些表示可用于对心理学情绪模型进行计算描述。我们的框架将上下文嵌入编码器与多头探测模型相结合，能够解释为情绪分类任务而动态优化的学习表示。我们的模型在Empathetic Dialogue数据集上进行了评估，并在分类32种情绪的任务上取得了最先进的结果。我们的层级分析可以推导出情绪图以描绘情绪间的层次关系。我们的情绪表示可直接生成与Plutchik模型可比的情绪轮，并补充PAD情绪状态模型中缺失情绪的取值。
引用
@article{arxiv.2104.10117,
title = {Enhancing Cognitive Models of Emotions with Representation Learning},
author = {Yuting Guo and Jinho Choi},
journal= {arXiv preprint arXiv:2104.10117},
year = {2021}
}
备注
Accepted by the NAACL Workshop on Cognitive Modeling and Computational Linguistics 2021