同庆之乐：从自然语言中学习与理解评价
计算与语言
2019-06-11 v1
摘要
在本文中，我们探索了从快乐语言中学习两类评价成分的各种方法。基于 HappyDB 数据集，我们聚焦于作者的“能动性（agency）”和快乐时刻中涉及的“社会性（sociality）”。我们为该项任务开发了基于深度神经网络的模型，包括带注意力与不带注意力的单向和双向长短期记忆网络。我们还尝试了若干新颖的嵌入方法，例如来自神经机器翻译的嵌入（如 CoVe）和来自语言模型的嵌入（如 ELMo）。我们将结果与若干传统机器学习方法所得结果进行比较。我们的最佳模型在能动性上达到 87.97% 准确率，在社会性上达到 93.13% 准确率，两者均显著高于我们的基线。
引用
@article{arxiv.1906.03677,
title = {Happy Together: Learning and Understanding Appraisal From Natural Language},
author = {Arun Rajendran and Chiyu Zhang and Muhammad Abdul-Mageed},
journal= {arXiv preprint arXiv:1906.03677},
year = {2019}
}
备注
11 pages, 5 figures, Proceedings of the 2nd Workshop on Affective Content Analysis@ AAAI (AffCon2019), Honolulu, Hawaii (January 2019)