Happy Dance, Slow Clap：利用反应GIF预测Twitter上的诱发情感
计算与语言
2021-05-24 v1 计算机视觉与模式识别
机器学习
摘要
带有诱发情感标签的数据集十分稀缺，但对许多NLP任务至关重要。我们提出了一种新型的自动化方法，用于收集文本及其诱发反应标签。该方法利用了反应GIF的在线使用，其捕捉了复杂的情感状态。我们展示了如何以诱发情感和诱发情感极性标签来增强数据。我们使用我们的方法创建并发布了ReactionGIF，一个由30K条推文组成的首创情感数据集。我们为三个新任务提供了基线，包括诱发情感极性预测和诱发情感的多标签分类。我们的方法和数据集为情感检测和 affective computing 开辟了新的研究机会。
引用
@article{arxiv.2105.09967,
title = {Happy Dance, Slow Clap: Using Reaction GIFs to Predict Induced Affect on Twitter},
author = {Boaz Shmueli and Soumya Ray and Lun-Wei Ku},
journal= {arXiv preprint arXiv:2105.09967},
year = {2021}
}
备注
To be published in ACL 2021. 7 pages, 4 figures, 2 tables