HPCC-YNU 在 SemEval-2020 任务 9 上的工作：一种用于混合语码文本情感分析的双语向量门控机制
计算与语言
2020-10-13 v1 人工智能
摘要
在多语言社会中，在社交媒体平台上使用混合语码来表达观点和情绪是相当常见的。该任务的目的是检测混合语码社交媒体文本的情感。混合语码文本对传统的 NLP 系统构成了巨大挑战，后者目前使用单语资源来处理多语言混合问题。过去该任务通过分别在情感词典中查词以及使用长短期记忆（LSTM）神经网络处理单语资源得以解决。在本文中，我们（我的 codalab 用户名为 kongjun）提出了一种使用双语向量门控机制来处理双语资源以完成该任务的系统。该模型由两个主要部分组成：结合字符级与词级的向量门控机制，以及提取文本中重要情感部分的注意力机制。结果表明，所提系统优于基线算法。我们在 Spanglish 上获得第五名，在 Hinglish 上获得第 19 名。本文代码见：https://github.com/JunKong5/Semveal2020-task9
引用
@article{arxiv.2010.04935,
title = {HPCC-YNU at SemEval-2020 Task 9: A Bilingual Vector Gating Mechanism for Sentiment Analysis of Code-Mixed Text},
author = {Jun Kong and Jin Wang and Xuejie Zhang},
journal= {arXiv preprint arXiv:2010.04935},
year = {2020}
}
备注
6 pages, 3 figures