“太可爱了！”：用于情感反应检测的 CARE 数据集

社交媒体在我们与亲友的沟通以及信息与娱乐消费中扮演着日益重要的角色。因此，为社交媒体帖子设计有效的排序函数，预测对帖子的情感反应（例如用户是否可能被逗乐、鼓舞、激怒、告知）将很有用。类似于情感识别工作（关注帖子发布者的情感），识别情感反应的传统方法需对训练数据人工标注进行昂贵投入。我们引入 CARE$_{db}$，一个包含 23 万条社交媒体帖子、采用通用情感反应表达（CARE）方法按 7 种情感反应标注的数据集。CARE 方法利用对帖子回复评论中存在的信号，提供关于读者对帖子情感反应的高精度证据，无需人工标注。与人工标注不同，我们描述的标注过程可迭代扩展以覆盖更多情感反应，尤其针对新情感反应。我们给出的实验表明 CARE 标注优于众包标注。最后，我们使用 CARE$_{db}$ 训练了具有竞争力的基于 BERT 的模型，用于预测情感反应及情感检测，证明了该数据集对相关任务的效用。