SeerNet在SemEval-2018任务1中的表现:面向推文情感分析的领域自适应
计算与语言
2018-04-18 v1
摘要
本文描述了在SemEval-2018推文情感(英文)子任务中表现最佳的系统中。该系统聚焦于效价与情绪的有序分类和回归子任务。对于有序分类,效价被分为从-3到3的7个不同类别,而情绪针对愤怒、恐惧、喜悦和悲伤每种情绪分别被分为0到3的4个不同类别。回归子任务估计效价及每种情绪的强度。该系统对4种不同模型进行领域自适应并集成以给出最终预测。所提系统在参与上述子任务的75支队伍中获得第1名。我们以49.2%至76.4%的幅度超越基线模型,从而显著推进了当前最优水平。
引用
@article{arxiv.1804.06137,
title = {SeerNet at SemEval-2018 Task 1: Domain Adaptation for Affect in Tweets},
author = {Venkatesh Duppada and Royal Jain and Sushant Hiray},
journal= {arXiv preprint arXiv:1804.06137},
year = {2018}
}
备注
SemEval-2018 Task 1: Affect in Tweets