面向情感词典的联合情感标签空间建模
计算与语言
2021-06-21 v3
摘要
情感词典是常用于缓解自动情感检测中数据匮乏问题的资源。然而,词汇覆盖问题、构建方法的差异以及情感框架与表示方式的不一致,导致情感检测资源呈现异构格局,亟需一种统一的方法来利用它们。为此,我们提出了一个包含 30,273 个唯一条目的扩展情感词典,该词典通过多视图变分自编码器(VAE)合并八个现有情感词典得到。我们表明,VAE 是将具有不同标签空间的词典组合成具有选定维数的联合情感标签空间的有效方法,且这些维度仍具有可解释性。我们通过将词典值作为特征用于情感检测模型,检验了统一 VAE 词典的效用。我们发现 VAE 词典优于单个词典,但与我们的预期相反,它并未优于词典的朴素拼接,尽管当作为额外词典加入时它确实对朴素拼接有所助益。此外,在最先进的语言模型之上使用词典信息作为附加特征,通常比不使用词典信息时取得更好的性能。
引用
@article{arxiv.1911.08782,
title = {Joint Emotion Label Space Modelling for Affect Lexica},
author = {Luna De Bruyne and Pepa Atanasova and Isabelle Augenstein},
journal= {arXiv preprint arXiv:1911.08782},
year = {2021}
}
备注
Computer Speech and Language journal, to appear