期刊:conference of the european chapter of the association for computational linguistics(EACL)
时间:2017
类型:情感对话(只包括预测不包含生成)
特点:包含emojis的tweet+情感分类器
本文带来Francesco Barbieri, Miguel Ballesteros和Horacio Saggion共同创作的文章
简介
表情符号是与纯文本自然结合的表意文字,以在视觉上补充或浓缩信息的含义。尽管在社交媒体中被广泛使用,但从自然语言处理的角度来看,它们的基本语义很少受到关注。在本文中,我们研究了单词和表情符号之间的关系,研究了预测基于文本的推文消息会唤起哪些表情符号的新任务。在这项任务中,我们基于长短期记忆网络 (LSTM) 训练了几个模型。我们的实验结果表明,我们的神经模型优于两个基线以及解决相同任务的人类,这表明计算模型能够更好地捕捉表情符号的潜在语义。
创新点
这篇文章也是比