社交网络服务文档中导致情绪识别差异的表达
计算与语言
2022-09-07 v2 人工智能
机器学习
社会与信息网络
摘要
从在线交换的文本中正确推断作者情绪往往困难，而作者与读者间识别的差异可能带来问题。本文提出一个新框架，用于检测在作者与读者间造成情绪识别差异的句子，并检测引发此类差异的表达类型。所提框架由一个基于双向编码器表示来自 Transformer(BERT)的检测器(检测造成情绪识别差异的句子)以及对出现于此类句子中的特征性表达进行分析两部分组成。该检测器基于带有由作者及三位社交网络服务(SNS)文档读者共同标注情绪标签的日语 SNS 文档数据集，以 AUC = 0.772 检测出“隐藏愤怒句”；这些句子引发了愤怒识别上的差异。由于 SNS 文档含许多极难理解含义的句子，通过分析该检测器所检出的句子，我们获得了若干特征性出现于隐藏愤怒句中的表达。所检句子与表达并未显式传达愤怒，且难以推断作者愤怒，但若指出其隐含愤怒，则有可能猜测作者为何愤怒。若投入实用，该框架或能缓解基于误解的问题。
引用
@article{arxiv.2208.14244,
title = {Expressions Causing Differences in Emotion Recognition in Social Networking Service Documents},
author = {Tsubasa Nakagawa and Shunsuke Kitada and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2208.14244},
year = {2022}
}
备注
5 pages, 3 figures. Accepted at the 31st ACM International Conference on Information and Knowledge Management (CIKM '22) as a short paper