假设: 一句话中携带的emoji表情就能表达这句话的含义。
根据twitter上的emoji表情,建立一个大规模的有标签的情感数据集
现有的情感数据集的问题: 量小 / 粗粒度(pos,neg)
评测:automatically evaluated by a separate sentence-to-emoji classifer + human evaluation (AMT)
研究表明VAE模型生成的句子多样性远高于传统的seq2seq模型 (Recent research in dialog generation shows that language generated by BAE models enjoy significantly greater diversity than traditional seq2seq models)
数据集的预处理(比较特别的地方):
不允许出现任何的multimedia contents(URL, image, video等),如果出现,则直接舍弃这句tweet而不是单纯去除multimedia content。
一句话中含有多个emoji的情况:
按occurence最多的那个emoji来算
如果每个emoji出现的次数一样多,那么以在整个corpus上frequence最少的那个emoji来表示这句话
算法过程:
随机初始化词向量(dim=128) + emoji向量(emoji embedding)(dim&#