相关任务可共享！一种面向情感语言的多任务框架
计算与语言
2020-02-07 v1
摘要
将情感极性表达为“正面”和“负面”通常比极性的强度/程度范围更有限。这两个任务（即情感分类与情感强度预测）密切相关，并可能在学习过程中相互辅助。本文中，我们提出在多任务学习框架中利用多个任务的相关性。我们的多任务模型基于卷积-门控循环单元（GRU）框架，并进一步由一组多样化的手工特征辅助。评估与分析表明，在多任务框架中联合学习相关任务可优于单任务框架中的各个独立任务。
引用
@article{arxiv.2002.02154,
title = {Related Tasks can Share! A Multi-task Framework for Affective language},
author = {Kumar Shikhar Deep and Md Shad Akhtar and Asif Ekbal and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2002.02154},
year = {2020}
}
备注
12 pages, 3 figures and 3 tables. Accepted in 20th International Conference on Intelligent Text Processing and Computational Linguistics, CICLing 2019. To be published in Springer LNCS volume