利用情绪特定特征提升 Transformer 在情绪分类中的性能
计算与语言
2022-05-03 v1 人工智能
机器学习
摘要
本文描述了 PVGs AI Club 团队在 WASSA 2022 情绪分类共享任务中的方法。该 Track 2 子任务侧重于构建能够根据受人物、群体或其他实体影响的新闻文章中的文章预测多类情绪标签的模型。基线 transformer 模型在序列分类任务上已展现出良好结果，我们旨在借助集成技术并利用两种情绪特定表示的变体来改进这一性能。我们观察到比基线模型更好的结果，并在情绪分类任务上取得了 0.619 的准确率和 0.520 的宏 F1 分数。
引用
@article{arxiv.2205.00283,
title = {Leveraging Emotion-specific Features to Improve Transformer Performance for Emotion Classification},
author = {Shaily Desai and Atharva Kshirsagar and Aditi Sidnerlikar and Nikhil Khodake and Manisha Marathe},
journal= {arXiv preprint arXiv:2205.00283},
year = {2022}
}
备注
4 pages, 2 figures, to be published at the 12th Workshop on Computational Approaches to Subjectivity, Sentiment & Social Media Analysis(WASSA 2022) held at ACL 2022