利用双向编码器来自 Transformer 的表示学习推导社会行为的情感意义
计算与语言
2022-09-15 v2
摘要
预测一个过程的结果需要对系统动态建模并观测状态。在社会行为语境中，情感表征系统的状态。情感控制理论（ACT）利用情感来表征潜在的交互。ACT 是一种基于三维情感词典的文化与行为的生成理论。传统上，情感通过使用调查数据量化，并将这些数据输入回归模型以解释社会行为。由于成本高昂，调查中使用的词典受到限制。本文使用微调的双向编码器来自 Transformer 的表示（BERT）模型来开发这些调查的替代方案。该模型在估计情感意义、扩展情感词典以及允许解释更多行为方面达到了最先进的精度。
引用
@article{arxiv.2202.00065,
title = {Learning affective meanings that derives the social behavior using Bidirectional Encoder Representations from Transformers},
author = {Moeen Mostafavi and Michael D. Porter and Dawn T. Robinson},
journal= {arXiv preprint arXiv:2202.00065},
year = {2022}
}
备注
Working paper