融合Emoji情感分布的多标签情绪识别方法  

Emoji Emotion Distribution Information Fusion for Multi-Label Emotion Recognition

作　　者：刘烨 刘仕鑫 曾雪强[1] 左家莉[1] LIU Ye;LIU Shixin;ZENG Xueqiang;ZUO Jiali(School of Computer&Information Engineering,Jiangxi Normal University,Nanchang,Jiangxi 330022,China)

机构地区：[1]江西师范大学计算机信息工程学院,江西南昌330022

出　　处：《中文信息学报》2024年第4期120-133,共14页Journal of Chinese Information Processing

基　　金：国家自然科学基金(62266021);江西省教育厅研究生创新基金(YC2022-s259)。

摘　　要：随着基于互联网的社交媒体兴起,Emoji由于具有以图形化方式快速准确地表达情绪的特点,目前已经成为用户在日常交流中广泛使用的图像文本。已有研究工作表明,在基于文本的情绪识别模型中考虑Emoji信息,对于提升模型性能具有重要的作用。目前,考虑Emoji信息的情绪识别模型大多采用词嵌入模型学习Emoji表示,得到的Emoji向量缺乏与目标情绪的直接关联,Emoji表示蕴含的情绪识别信息较少。针对上述问题,该文通过软标签为Emoji构建与目标情绪直接关联的情感分布向量,并将Emoji情感分布信息与基于预训练模型的文本语义信息相结合,提出融合Emoji情感分布的多标签情绪识别方法(Emoji Emotion Distribution Information Fusion for Multi-label Emotion Recognition,EIFER)。EIFER方法在经典的二元交叉熵损失函数的基础上,通过引入标签相关感知损失对情绪标签间存在的相关性进行建模,以提升模型的多标签情绪识别性能。EIFER方法的模型结构由语义信息模块、Emoji信息模块和多损失函数预测模块组成,采用端到端的方式对模型进行训练。在SemEval2018英文数据集上的情绪预测对比实验结果表明,该文提出的EIFER方法比已有的情绪识别方法具有更优的性能。With the rise of Internet-based social media,Emoji has become a widely used image text for users in daily communication due to its graphical emotion expression.Existing studies on emotion recognition models simply convert the Emoji into word vectors,without directly capture its correlation with the target emotion.This paper proposes to construct an emotion distribution vector directly associated with the target emotion through soft labels,and to combine the Emoji emotion distribution information with text semantic information via the pre-training model,which is named EIFER(i.e.Emoji emotion distribution Information Fusion for multi-label Emotion Recognition).Based on the classical binary cross-entropy loss function,EIFER method models the correlation between emotion labels by introducing label-correlation aware loss.The EIFER method is an end-to-end model composed by a semantic information module,an Emoji information module and a multi-loss function prediction module.Experiment results on the SemEval2018 English dataset have shown that the proposed method has better performance than the existing methods.

关 键 词：Emoji情感分布 多标签分类 情绪识别 情绪相关性 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]