DepecheMood++: 一种通过简单而又强大技术构建的双语情感词汇表
本文提出了一种利用众包情感注释从社交媒体数据中自动化提取高覆盖率和高精度情感得分的新方法,得到了一个称为 DepecheMood 的大约 37,000 个术语的情感词典,并在无监督设置中提供了新的最先进的性能。
May, 2014
该研究提出了一种用源语言情感词汇表、双语词汇翻译模型和目标语言嵌入模型来创建任何目标语言情感词汇表的方法,并在全球 91 种语言中评估自动生成的词汇表,结果显示其产生的结果符合单语言方法创造情感词汇表的最新技术水平,甚至在某些语言和变量方面超过人工可信度。
May, 2020
本文介绍了情感计算和 AI 伦理学的想法,旨在呈现有关情感词汇表创建和使用的实践和伦理考虑事项 —— 最佳实践。该目标是提供全面的相关考虑因素,以便读者(特别是那些新于情感处理的人)可以在一个地方找到相关信息。 我们希望这项工作将促进更多思索,在决定要处理哪些情感,如何创建情感词典,如何使用情感词典,如何得出有意义的推理以及如何判断成功方面有所依据。
Oct, 2022
探索将情感、情绪和领域特定的词表融入基于 Transformer 模型的抑郁症状估计中的影响。通过标记患者 - 治疗师对话的输入转录和社交媒体帖子中的单词来添加词表信息。总体结果表明,在预训练语言模型中引入外部知识可以提高预测性能,而不同的词表在目标任务上显示出不同的行为。此外,在患者 - 治疗师访谈中获得了新的抑郁水平估计的最新成果。
Apr, 2024
该研究提供了一个由 79 个数据集组成的开放性跨语言语料库,可用于培训情感模型,同时展现了基于不同基础模型、训练目标、数据集集合和微调策略所进行的数百次实验的多方面情感分类基准。
Jun, 2023
利用众智的力量,通过提出包括单词选择问题在内的 “情感注释” 问题,快速且廉价地生成了一个大型、高质量的单词 - 情感和单词极性关联词典,并通过实验证明,询问单词是否与情感相关比询问单词是否会唤起情感,获得更高的注释者互动一致性。
Aug, 2013
本论文提出了一种集成方法,将手动构建的先前极性词典与基于 SentiWordNet 的方法进行比较和融合,从而创建了一个在情感分析中表现出高精度和高覆盖率的先前极性词典 SentiWords,并在情感分析任务中证明了其优于 SentiWordNet 和手动标注情感词典的表现。
Oct, 2015
该研究详细研究了文化和语言的独特性,特别是情感语义和情感在社交多媒体中的表现,并提出了一种基于多语言的新方法来自动发现情感构造。多语言视觉情感概念本体(MVSO)的创建是通过提出一种在社交多媒体平台上应用的类别聚类视觉检测名词和这些名词情感偏见版本的子聚类的方法来实现的,并展示了一个基于图像的预测任务以显示特定语言模型在多语言环境中的普适性。此外,该研究还发布了一个 >15.6K 跨 12 种语言的情感偏执视觉概念数据集以及对应的检测库和 >7.36M 张图像和元数据。
Aug, 2015