【论文泛读163】用于推文中情绪检测的模糊粗略最近邻方法

贴一下汇总贴：论文阅读记录

论文链接：《Fuzzy-Rough Nearest Neighbour Approaches for Emotion Detection in Tweets》

一、摘要

社交媒体是有意义数据的重要来源，可用于不同的任务，例如情感分析和情感识别。大多数情况下，这些任务是通过深度学习方法解决的。由于文本数据的模糊性，我们考虑使用基于模糊粗糙集的分类方法。具体来说，我们为 SemEval-2018 情绪检测任务开发了一种方法，基于使用有序加权平均 (OWA) 算子增强的模糊粗略最近邻 (FRNN) 分类器。我们使用基于不同文本嵌入方法的 FRNN–OWA 模型的调谐集成。我们的结果与基于更复杂的深度学习方法的最佳 SemEval 解决方案相比具有竞争力。

二、结论

本文设计了一个加权的FRNN-OWA分类器集成来完成情感检测任务。我们的方法使用了几个嵌入，它们大多是面向情感的，并且应用于句子级别。我们证明了我们的方法，尽管设计简单，但与竞争对手的获胜方法相比是有竞争力的，这些方法都是黑盒。

作为一个可能的改进，我们可以考虑额外的文本准备步骤，例如，在嵌入步骤之前，对哈希表和表情符号或感叹号使用更大的权重。

最后，我们假设恐惧数据集的较低PCC分数可能与数据集的不平衡有关。作为解决这个问题的一种可能方法，我们可以对不平衡的数据使用特定的分类机器学习方法。例如，在本文中，描述了几种专门针对不平衡数据集的模糊粗糙集理论方法。

三、model

整体架构（每个特征一个独立的模型）：