处理情感中的歧义：从域外检测到分布估计
计算与语言
2024-10-14 v1
摘要
情感的主观感知导致人类标注者的标签不一致。通常，在训练情感分类器时，缺乏多数一致标签的话语会被排除，这在测试时遇到歧义情感表达时会导致问题。本文研究了三种处理歧义情感的方法。首先，我们表明将缺乏多数一致标签的话语作为附加类别纳入分类器会降低其他情感类别的分类性能。然后，我们提出通过使用证据深度学习量化情感分类中的不确定性，将具有歧义情感的话语作为域外样本进行检测。该方法在保持分类准确率的同时，能有效检测歧义情感表达。此外，为了获得歧义情感之间的细粒度区分，我们提出将情感表示为分布而非单一类别标签。因此，该任务从分类被重新定义为分布估计，其中考虑每一个体标注，而不仅是多数意见。证据不确定性测度被扩展以量化情感分布估计中的不确定性。在 IEMOCAP 和 CREMA-D 数据集上的实验结果证明了所提出方法在多数类预测、情感分布估计和不确定性估计方面的优越能力。
引用
@article{arxiv.2402.12862,
title = {Handling Ambiguity in Emotion: From Out-of-Domain Detection to Distribution Estimation},
author = {Wen Wu and Bo Li and Chao Zhang and Chung-Cheng Chiu and Qiujia Li and Junwen Bai and Tara N. Sainath and Philip C. Woodland},
journal= {arXiv preprint arXiv:2402.12862},
year = {2024}
}