将情感信息融入社交媒体健康提及分类任务
计算与语言
2022-12-12 v1 机器学习
摘要
健康提及分类（HMC）任务是指在文本中识别并分类健康相关概念提及的过程。这对于通过社交媒体帖子识别和追踪疾病传播十分有用。然而，这是一项非平凡的任务。本文基于近期研究表明利用情感信息可改进该任务，构建了一个融合情感特征的健康提及分类框架。我们提出两种方法，即中间任务微调方法（隐式）和多特征融合方法（显式），将情感融入HMC目标任务。我们在来自不同社交媒体平台的5个HMC相关数据集上评估了我们的方法，包括三个来自Twitter、一个来自Reddit以及另一个来自多个社交媒体源的组合。大量实验表明，我们的方法在HMC任务上取得了统计显著的性能提升。通过使用多特征融合方法，我们在所有数据集上相较BERT基线实现了至少3%的F1分数提升。我们还表明，仅考虑负向情感并不会显著影响HMC任务性能。此外，我们的结果表明，注入情感知识的HMC模型是一种有效的替代方案，尤其是在缺乏其他HMC数据集进行领域特定微调时。我们的模型源代码可在 https://github.com/tahirlanre/Emotion_PHM 免费获取。
引用
@article{arxiv.2212.05039,
title = {Incorporating Emotions into Health Mention Classification Task on Social Media},
author = {Olanrewaju Tahir Aduragba and Jialin Yu and Alexandra I. Cristea},
journal= {arXiv preprint arXiv:2212.05039},
year = {2022}
}