3 个月前

基于BERT的集成模型在对话式社交媒体文本中的披露与支持建模

基于BERT的集成模型在对话式社交媒体文本中的披露与支持建模

摘要

近年来,人们对人类如何启动并维持对话的兴趣日益增长。对话中的情感理解聚焦于说话者如何运用情绪来回应特定情境及彼此互动的问题。在CL-Aff共享任务(CL-Aff Shared Task)中,组织方发布了“Get it #OffMyChest”数据集,该数据集包含来自Reddit的非正式与倾诉性对话评论,并对其中的披露程度和支持性特征进行了标注。本文提出了一种基于微调上下文词嵌入模型RoBERTa与ALBERT的预测集成模型。实验结果表明,该模型在所有评估指标上均优于基线模型,F1分数提升了3%。此外,我们还开展了统计分析,深入揭示了该数据集的内在特征,并提出了对该数据集影响力的新型刻画方式。

基准测试

基准方法指标
text-classification-on-affcon-2020-emotionBERT-based Ensembles
F1 score: 0.558

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于BERT的集成模型在对话式社交媒体文本中的披露与支持建模 | 论文 | HyperAI超神经