ntuer 在 SemEval-2019 任务 3 上的工作：基于 RCNN 中词与句子表示的情感分类
计算与语言
2019-04-03 v2 人工智能
机器学习
摘要
本文介绍了我们在 SemEval-2019 文本对话情感检测任务上的模型。我们的模型扩展了循环卷积神经网络（RCNN），使用了外部微调的词表示和 DeepMoji 句子表示。我们还探索了其他几种具有竞争力的预训练词与句子表示，包括 ELMo、BERT 和 InferSent，但发现性能较差。此外，我们进行了广泛的敏感性分析，经验表明我们的模型对超参数相对鲁棒。我们的模型无需手工特征或情感词典，但以 0.7463 的 micro-F1 分数取得了良好性能。
引用
@article{arxiv.1902.07867,
title = {ntuer at SemEval-2019 Task 3: Emotion Classification with Word and Sentence Representations in RCNN},
author = {Peixiang Zhong and Chunyan Miao},
journal= {arXiv preprint arXiv:1902.07867},
year = {2019}
}
备注
SemEval 2019