YNU-HPCC 在 SemEval-2020 任务 8 中的工作：使用并行通道模型进行 Meme 情感分析
计算与语言
2020-07-29 v1
摘要
近年来，Internet meme 在 Facebook、Instagram 和 Twitter 等社交媒体平台上的日益普及已成为备受关注的话题。然而，meme 的分类与识别比社交文本复杂得多，因其涉及视觉线索与语言理解。为解决此问题，本文提出一种并行通道模型来处理 meme 中的文本与视觉信息，进而分析 meme 的情感极性。在识别与分类 meme 的共享任务中，我们根据社交媒体上的语言行为对数据集进行预处理。随后，我们适配并微调双向编码器表示来自 Transformers (BERT)，并使用两类卷积神经网络模型 (CNNs) 从图片中提取特征。我们应用了结合 BiLSTM、BIGRU 与 Attention 模型的集成模型来进行跨领域建议挖掘。官方发布的结果显示我们的系统优于基线算法。我们的团队在子任务 A（情感分类）中获第十九名。本文代码见：https://github.com/YuanLi95/Semveal2020-Task8-emotion-analysis。
引用
@article{arxiv.2007.13968,
title = {YNU-HPCC at SemEval-2020 Task 8: Using a Parallel-Channel Model for Memotion Analysis},
author = {Li Yuan and Jin Wang and Xuejie Zhang},
journal= {arXiv preprint arXiv:2007.13968},
year = {2020}
}
备注
5pages