利用情感分析知识解决情绪检测任务
计算与语言
2021-11-09 v1 机器学习
摘要
识别和理解文本中潜在的情感或情绪是多个自然语言处理应用的关键组成部分。虽然简单的极性情感分析是一个被充分研究的课题，但在仅使用文本数据识别更复杂、更细粒度的情绪方面进展较少。本文提出一种基于 Transformer 的带有适配器层融合的模型，该模型利用来自更简单的情感分析任务的知识，在仅使用文本模态的大规模数据集（如 CMU-MOSEI）上改进情绪检测任务。结果表明，我们提出的方法与其他方法具有竞争力。即使仅使用文本模态，我们也在 CMU-MOSEI 上取得了情绪识别的 SOTA（state-of-the-art，最优）结果。
引用
@article{arxiv.2111.03715,
title = {Leveraging Sentiment Analysis Knowledge to Solve Emotion Detection Tasks},
author = {Maude Nguyen-The and Guillaume-Alexandre Bilodeau and Jan Rockemann},
journal= {arXiv preprint arXiv:2111.03715},
year = {2021}
}