撰写性别歧视推文时的情绪如何：利用自然语言处理技术检测情绪类型与情绪强度
社会与信息网络
2019-02-11 v1 计算与语言
机器学习
机器学习
摘要
近年来，在线社交平台已成为持有不同情绪与态度用户之间的战场。尽管性别歧视在文献中被视为一类仇恨言论，但目前尚无吸引自然语言处理技术的、全面的定义与类别。将性别歧视归类于善意或敌意性别歧视过于宽泛，容易忽略社交媒体上其他类别的性别歧视。Sharifirad S 与 Matwin S 于 2018 年受社会科学启发，提出了一种定义良好的性别歧视类别，包括间接骚扰、信息威胁、性骚扰与身体骚扰，以服务于自然语言处理技术。本文中，我们利用 SemEval-2018 task1: Affect in tweets 中新发布的数据集，展示每一类别中的情绪类型与情绪强度。我们在 SemEval-2018 数据集上训练、测试并评估了不同分类方法，并选取准确率最高的分类器在各性别歧视推文类别上测试，以了解每类中发推用户的心理状态与情感状态。这是一条值得探索的良好途径，因为并非所有推文都是直接的性别歧视，它们承载着用户的不同情绪。这是首个在性别歧视推文上如此深入进行情感检测的工作。据我们所知均为该领域的新贡献；我们首次展示了此类深度情感分析在性别歧视推文上的威力。
引用
@article{arxiv.1902.03089,
title = {How is Your Mood When Writing Sexist tweets? Detecting the Emotion Type and Intensity of Emotion Using Natural Language Processing Techniques},
author = {Sima Sharifirad and Borna Jafarpour and Stan Matwin},
journal= {arXiv preprint arXiv:1902.03089},
year = {2019}
}