摘要

预测事件如何引发故事中角色的情感，通常被视为一个标准的多标签分类任务，传统方法通常将标签视为无意义的类别进行预测，而忽略了情感标签本身可能携带的信息。我们提出，情感标签的语义信息可以引导模型在表征输入故事时关注相关部分。此外，我们观察到，事件所引发的情感往往是相互关联的：一个引发喜悦的事件通常不会同时引发悲伤。在本研究中，我们通过标签嵌入（label embeddings）显式建模标签类别，并引入机制以在训练和推理阶段均捕捉标签之间的相关性。同时，我们提出一种新的半监督策略，对未标注数据中的标签相关性施加正则化约束。实验结果表明，建模标签语义能够持续带来性能提升，并在情感推断任务上达到了当前最先进的水平。