理解情感维度在推文情感检测中的作用：一种多任务方法
信息检索
2021-09-21 v1 计算与语言
摘要
我们提出VADEC，一种利用情感表示的范畴模型与维度模型之间相关性的多任务框架，以改进主观性分析。主要关注从推文中有效检测情感，我们联合训练多标签情感分类与多维情感回归，从而利用任务间的相互关联。协同训练尤其有助于提升分类任务性能：在AIT数据集上，我们以3.4%、11%和3.9%的增益分别超越最强基线，对应Jaccard准确率、Macro-F1与Micro-F1分数；在SenWave数据集上，我们亦取得最先进结果，六项不同指标平均提升11.3%。对于回归任务，VADEC在SenWave上训练时，在EMOBANK数据集的效价(V)与支配度(D)情感维度上，Pearson相关系数分别较当前最先进结果提升7.6%与16.5%。我们以印度人发布的COVID-19推文案例研究作结，进一步确立了所提方案的有效性。
引用
@article{arxiv.2105.03983,
title = {Understanding the Role of Affect Dimensions in Detecting Emotions from Tweets: A Multi-task Approach},
author = {Rajdeep Mukherjee and Atharva Naik and Sriyash Poddar and Soham Dasgupta and Niloy Ganguly},
journal= {arXiv preprint arXiv:2105.03983},
year = {2021}
}
备注
5 pages, Short Paper accepted at SIGIR 2021