跨语言情感弧线评估：弥合情感分析中的全球鸿沟
计算与语言
2023-11-07 v3
摘要
情感弧线刻画了个体（或群体）随时间变化的情感状态。它们被广泛应用于工业与研究中；然而，关于自动生成弧线评估的工作甚少。这是由于难以建立真实（金标准）情感弧线。我们的工作首次系统且定量地评估了自动生成的情感弧线。我们还比较了生成情感弧线的两种常用方式：机器学习 (ML) 模型与仅词典 (LexO) 方法。通过在 9 种语言的 18 个多样化数据集上运行实验，我们表明尽管 LexO 方法在实例级情感分类上明显欠佳，但在聚合数百个实例的信息时，其生成情感弧线高度准确。我们还通过针对六种非洲本土语言以及阿拉伯语和西班牙语的实验表明，英语情感词典的自动翻译可用于在资源较少的语言中生成高质量情感弧线。这为研究世界各地语言的情感开辟了途径；这对于常被忽视语种使用者的商业、公共政策和健康研究至关重要。代码与资源：https://github.com/dteodore/EmotionArcs
引用
@article{arxiv.2306.02213,
title = {Evaluating Emotion Arcs Across Languages: Bridging the Global Divide in Sentiment Analysis},
author = {Daniela Teodorescu and Saif M. Mohammad},
journal= {arXiv preprint arXiv:2306.02213},
year = {2023}
}
备注
9 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:2210.07381