学习用于第一人称情感的词汇-功能模式
计算与语言
2017-09-01 v1
摘要
非正式的第一人称叙事是构建日常事件及人们对其情感反应的计算模型的独特资源。人们在博客中记录自己的一天时，往往不会明确地说“我很开心”。相反，他们会描述一些情境，其他人可以从中轻易推断出他们的情感反应。然而，当前的情感词典缺少进行类似推断所需的大量信息。我们基于近期将情感建模为词汇谓词函数及其论元上的情感的工作。我们提出了一种从第一人称叙事中学习这些函数代理的方法。我们构建了一个新颖的细粒度测试集，并表明我们学习到的模式将我们预测日常事件第一人称情感反应的能力，从 Stanford 情感基线 0.67F 提升至 0.75F。
引用
@article{arxiv.1708.09789,
title = {Learning Lexico-Functional Patterns for First-Person Affect},
author = {Lena Reed and Jiaqi Wu and Shereen Oraby and Pranav Anand and Marilyn Walker},
journal= {arXiv preprint arXiv:1708.09789},
year = {2017}
}
备注
7 pages, Association for Computational Linguistics (ACL) 2017