保持时序：为情感分析模型引入时间上下文
计算与语言
2023-09-26 v1 人工智能
摘要
本文针对 LongEval CLEF 2023 Lab 任务 2：LongEval-Classification 提出了一种最先进的解决方案。该任务的目标是在较短和较长时间跨度内提升并保持情感分析模型的性能。我们的框架将带有日期前缀的文本输入送入预训练语言模型，其中时间戳被包含在文本中。我们表明，带日期前缀的样本能更好地使模型输出以相应文本的时间上下文为条件。此外，我们通过对无标签数据执行自标注来训练学生模型，从而进一步提升性能。我们利用一种新颖的增强策略来扩充自标注过程，该策略利用了样本带日期前缀的格式。我们在 LongEval-Classification 评测集上展示了相较非增强自标注的具体性能提升。我们的框架以 0.6923 的总分获得第 2 名，并在短期评测集上报告了最佳的相对性能下降（RPD）-0.0656。
引用
@article{arxiv.2309.13562,
title = {Keeping in Time: Adding Temporal Context to Sentiment Analysis Models},
author = {Dean Ninalga},
journal= {arXiv preprint arXiv:2309.13562},
year = {2023}
}