利用社会调谐情感词典改进在线讨论中的同意与反对识别
计算与语言
2016-06-21 v1
摘要
我们研究在线讨论中同意与反对的检测问题。提出了一种基于保序条件随机场（isotonic CRF）的序列模型，以在句子或片段级别进行预测。我们自动构建了一个从现有通用情感词典中自举得到的社会调谐词典，以进一步提升性能。我们在两个不同的在线讨论语料库——维基百科讨论页和在线辩论——上评估了我们的同意与反对标注模型。结果表明，我们的模型在两个数据集上均优于 state-of-the-art 方法。例如，在维基百科讨论页的讨论中，线性链 CRF 取得的同意和反对检测 F1 分数分别为 0.58 和 0.56，而保序 CRF 模型则分别达到了 0.74 和 0.67。
引用
@article{arxiv.1606.05706,
title = {Improving Agreement and Disagreement Identification in Online Discussions with A Socially-Tuned Sentiment Lexicon},
author = {Lu Wang and Claire Cardie},
journal= {arXiv preprint arXiv:1606.05706},
year = {2016}
}
备注
ACL WASSA workshop 2014