用于情感原因提取的多任务学习和自适应知识模型

由于情绪识别与原因检测密切相关，最近的一项研究提出了一个联合建模的框架。此外，该研究试图将经过训练以使用常识知识的适应性知识模型与预先训练的语言模型相结合。

该模型在情感分类和情感原因标记方面都产生了性能提升。还表明，常识知识有助于语言模型将似是而非的输出空间缩减为人类注释者最常选择的输出空间。未来，研究人员希望将这些模型应用于其他任务，例如检测体验者或情绪目标。

检测文本中表达的情绪是自然语言处理中一个经过充分研究的问题。然而，关于更细粒度的情绪分析(例如导致情绪的原因)的研究仍处于起步阶段。我们提出了以联合方式处理情绪识别和情绪原因检测的解决方案。考虑到常识知识在理解隐​​式表达的情绪及其产生这些情绪的原因方面起着重要作用，我们提出了通过自适应知识模型将常识知识与多任务学习相结合的新方法，以执行联合情绪分类和情绪原因标记. 当包括常识推理和多任务框架时，我们在这两个任务上都显示了性能改进。我们提供全面的分析，以深入了解模型性能。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！