建模标签语义以预测情绪反应
计算与语言
2020-06-30 v2
摘要
预测故事中的事件如何引发角色情绪通常被视为标准多标签分类任务，其通常将标签作为待预测的匿名类别，忽略了情绪标签本身可能传达的信息。我们提出，情绪标签的语义可在表征输入故事时引导模型的注意力。此外，我们观察到事件所引发的情绪常相互关联：引发喜悦的事件不太可能同时引发悲伤。本工作中，我们通过标签嵌入显式建模标签类别，并添加在训练与推断时均追踪标签-标签相关性的机制。我们还引入一种新的半监督策略，对无标签数据上的相关性进行正则化。我们的实证评估表明，建模标签语义带来了一致的收益，并将情绪推断任务上的最优水平(state-of-the-art)向前推进。
引用
@article{arxiv.2006.05489,
title = {Modeling Label Semantics for Predicting Emotional Reactions},
author = {Radhika Gaonkar and Heeyoung Kwon and Mohaddeseh Bastan and Niranjan Balasubramanian and Nathanael Chambers},
journal= {arXiv preprint arXiv:2006.05489},
year = {2020}
}
备注
6 pages, 2 figures, published in Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics