从文档级用户响应中学习共情与痛苦的词项评分
计算与语言
2020-05-19 v2 信息检索
摘要
尽管黑盒方法在情感与情绪建模上表现优异，但刻画不同情绪的词典（带有相关信息词及关联权重的集合）对 NLP 社区仍不可或缺，因为它们可实现可解释且稳健的预测。文本的情绪分析在 NLP 中日益流行；然而，为共情等心理构念手动创建词典已被证明十分困难。本文从文档级评分自动创建共情词项评分。从更高层级监督中学习词项评分这一潜在问题迄今仅以临时方式处理，且未使用深度学习方法。我们系统地将若干从高层级监督学习词项评分的方法与混合层级前馈网络（MLFFN）进行比较，发现后者表现最佳，并利用 MLFFN 创建了首个共情词典。随后我们使用有符号谱聚类（Signed Spectral Clustering）对所得词项获得洞察。共情与痛苦词典公开于：http://www.wwbp.org/lexica.html。
引用
@article{arxiv.1912.01079,
title = {Learning Word Ratings for Empathy and Distress from Document-Level User Responses},
author = {João Sedoc and Sven Buechel and Yehonathan Nachmany and Anneke Buffone and Lyle Ungar},
journal= {arXiv preprint arXiv:1912.01079},
year = {2020}
}
备注
LREC 2020 camera-ready copy