探索为情感分析建模强调语的微调嵌入表示

诸如“a little bit surprised（有点惊讶）”、“completely shocked（完全震惊）”或“not stunned at all（一点也不惊愕）”之类的形容词短语，未被当前已发表的最先进情感分类与强度预测系统妥善处理，这些系统主要使用非上下文词嵌入作为输入。基于这一发现，我们分析了这些系统所用嵌入在处理此类情况能力上的差异。此外，我们认为情感词语境中的强调语需要特殊处理，正如在情感极性分类中已确立的那样，但在更细粒度的情感预测中尚未如此。为解决此问题，我们分析了一个后处理流程的不同方面，该流程丰富了此类短语的词表示。这包括在短语层面与子词层面扩展语义空间，随后对情感词典进行改造（retrofitting）。我们基于预训练的GloVe、Word2vec和fastText嵌入，利用A La Carte与Bag-of-Substrings扩展，针对包含我们关注短语的众包强度标注推特语料评估了这些步骤的影响。我们表明，基于fastText的模型并未从处理这些受检视的特定短语中获益。对于Word2vec嵌入，我们表明我们的后处理流程在密集包含强调语的新数据集上将结果提升了至多8%。