UPB在SemEval-2020任务8中的系统：面向模因情感分析的多任务学习架构中的联合文本与视觉建模
计算与语言
2020-11-11 v2
摘要
网络环境中的用户可以通过不同方式表达其想法、观点或娱乐概念。互联网模因正是为这类情境而生的。其主要目的是通过图像与文本的组合来传递思想，从而根据模因所要传达的信息在接收者身上产生某种状态。这些帖子可与各种情境或事件相关，从而为我们所处的任何世界境况增添幽默的一面。本文描述了我们团队为SemEval-2020任务8：模因情感分析所开发的系统。更具体地，我们引入了一种分析此类帖子的新颖系统，即一种多模态多任务学习架构，其将ALBERT用于文本编码，并将VGG-16用于图像表示。以此方式，我们表明其背后的信息可以被恰当地揭示。我们的方法在当前竞赛的三个子任务上均取得了良好性能：子任务A排名第11（宏F1-score为0.3453），子任务B排名第1（宏F1-score为0.5183），子任务C排名第3（宏F1-score为0.3171），同时大幅超越了官方基线结果。
引用
@article{arxiv.2009.02779,
title = {UPB at SemEval-2020 Task 8: Joint Textual and Visual Modeling in a Multi-Task Learning Architecture for Memotion Analysis},
author = {George-Alexandru Vlad and George-Eduard Zaharia and Dumitru-Clementin Cercel and Costin-Gabriel Chiru and Stefan Trausan-Matu},
journal= {arXiv preprint arXiv:2009.02779},
year = {2020}
}
备注
Accepted at SemEval-2020, 7 pages, 1 figure, 2 tables