The wealth of text data generated by social media has enabled new kinds of analysis of emotions with language models. These models are often trained on small and costly datasets of text annotations produced by readers who guess the emotions expressed by others in social media posts. This affects the quality of emotion identification methods due to training data size limitations and noise in the production of labels used in model development. We present LEIA, a model for emotion identification in text that has been trained on a dataset of more than 6 million posts with self-annotated emotion labels for happiness, affection, sadness, anger, and fear. LEIA is based on a word masking method that enhances the learning of emotion words during model pre-training. LEIA achieves macro-F1 values of approximately 73 on three in-domain test datasets, outperforming other supervised and unsupervised methods in a strong benchmark that shows that LEIA generalizes across posts, users, and time periods. We further perform an out-of-domain evaluation on five different datasets of social media and other sources, showing LEIA's robust performance across media, data collection methods, and annotation schemes. Our results show that LEIA generalizes its classification of anger, happiness, and sadness beyond the domain it was trained on. LEIA can be applied in future research to provide better identification of emotions in text from the perspective of the writer. The models produced for this article are publicly available at https://huggingface.co/LEIA


翻译:社交媒体产生的数据量使得情感分析与语言模型的新型分析变得可能。但这些模型通常在小型的高昂成本的数据集上进行训练,这会影响由于训练数据大小限制以及模型开发中使用的标签产生的噪声,这些标签是由读者猜测他人在社交媒体帖子中表达的情感所生产的,进而影响情感识别方法的质量。我们提出了LEIA,一种文本情感识别模型,它在一个包含6百万条带有自注释情感标签(快乐,亲近,悲伤,愤怒和恐惧)的帖子数据集上进行训练。LEIA基于一种单词遮掩算法,通过增强情感词汇的学习来进行模型预训练。LEIA在三个领域测试数据集上取得了大约73的宏F1值,优于其他有监督和无监督方法,在一个强有力的基准测试中展现出LEIA可以跨越帖子、用户和时间周期实现泛化。我们还在五个不同的社交媒体和其他来源的数据集进行了领域外评估,展示了LEIA在媒体、数据收集方法和注释方案上的稳健性能。我们的结果表明,LEIA在培训域之外也可以对愤怒、快乐和悲伤的分类进行推广。LEIA可用于将来的研究中,从作者的角度提供更好的文本情感识别。本文所产生的模型可在https://huggingface.co/LEIA上公开获取。

1
下载
关闭预览

相关内容

计算机对从传感器采集来的信号进行分析和处理,从而得出对方(人)正处在的情感状态,这种行为叫做情感识别。
零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
临床自然语言处理中的嵌入综述,SECNLP: A survey of embeddings
论文浅尝 | Continual Learning for Named Entity Recognition
开放知识图谱
1+阅读 · 2022年6月25日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
别找了,送你 20 个文本数据集
机器学习算法与Python学习
67+阅读 · 2019年5月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
29+阅读 · 2018年4月6日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员