文本中的内疚检测：迈向理解复杂情绪的一步
计算与语言
2023-03-08 v1
摘要
我们引入了一项称为内疚检测的新型自然语言处理（NLP）任务，其重点在于检测文本中的内疚情绪。我们将内疚识别为一种复杂且至关重要的情绪，此前在 NLP 中尚未被研究过，旨在对其提供更细粒度的分析。为解决内疚检测公开语料缺失的问题，我们创建了 VIC 数据集，该数据集包含来自三个现有情绪检测数据集的 4622 篇文本，我们将其二值化为内疚与无内疚两类。我们使用词袋和词频-逆文档频率特征试验了传统机器学习方法，表现最佳的模型取得了 72% 的 f1 分数。我们的研究为理解文本中的内疚提供了第一步，并为该领域的未来研究打开了大门。
引用
@article{arxiv.2303.03510,
title = {Guilt Detection in Text: A Step Towards Understanding Complex Emotions},
author = {Abdul Gafar Manuel Meque and Nisar Hussain and Grigori Sidorov and Alexander Gelbukh},
journal= {arXiv preprint arXiv:2303.03510},
year = {2023}
}