GradAscent 在 EmoInt-2017 中的工作：用于推文情感强度检测的字符级与词级循环神经网络模型
计算与语言
2020-03-17 v1
摘要
WASSA 2017 EmoInt 共享任务的目标是预测推文消息的情感强度值。给定一条推文的文本及其情感类别（愤怒、喜悦、恐惧和悲伤），参与者被要求构建一个分配情感强度值的系统。鉴于推文长度短、文本结构含噪以及缺乏标注数据，情感强度估计是一个具有挑战性的问题。为解决该问题，我们开发了两个神经模型的集成，在字符级和词级处理输入，并辅以词典驱动系统。所有四种情感上的相关性得分取平均以确定最终竞赛指标，我们的系统在撰写本文时（2017 年 6 月）于 23 个系统中在完整强度范围内排名第四，在 0.5–1 强度范围内排名第三。
引用
@article{arxiv.1803.11509,
title = {GradAscent at EmoInt-2017: Character- and Word-Level Recurrent Neural Network Models for Tweet Emotion Intensity Detection},
author = {Egor Lakomkin and Chandrakant Bothe and Stefan Wermter},
journal= {arXiv preprint arXiv:1803.11509},
year = {2020}
}