基于虚拟对抗训练的多语言多标签情感识别
计算与语言
2021-11-12 v1
摘要
虚拟对抗训练（VAT）在计算机视觉与自然语言处理任务的有监督与半监督设定下，对学习鲁棒模型均有效。然而，VAT 在多语言与多标签文本分类中的效用此前尚未被探索。本文中，我们探索将 VAT 用于多标签情感识别，重点利用不同语言的未标注数据提升模型性能。我们在 SemEval2018 多标签多语言情感识别数据集上进行了广泛的半监督实验，并显示在使用相同数量标注数据（训练数据的 10%）时，相较有监督学习，阿拉伯语、西班牙语和英语分别获得 6.2%、3.8% 和 1.8% 的性能提升。我们还将现有最先进水平分别提升 7%、4.5% 和 1%（Jaccard 指数，对应西班牙语、阿拉伯语和英语），并进行了探测实验以理解上下文模型不同层的影响。
引用
@article{arxiv.2111.06181,
title = {Multilingual and Multilabel Emotion Recognition using Virtual Adversarial Training},
author = {Vikram Gupta},
journal= {arXiv preprint arXiv:2111.06181},
year = {2021}
}