Miejsce publikacji:
- Conference: Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing
Tytuł:
Personal Bias w przewidywaniu emocji wywołanych przez opinie tekstowe.
Autorzy:
Jan Kocoń, Piotr Miłkowski, Damian Grimling, Marcin Gruza, Kamil Kanclerz, Przemysław Kazienko
Abstrakt:
W analizie emocji wywołanych przez opinie, komentarze czy artykuły powszechnie wykorzystuje się korpusy anotowane, w których etykiety przypisane do dokumentów są uśrednieniem poglądów wszystkich anotatorów lub reprezentują decyzję większości. Modele wytrenowane na takich danych są skuteczne w identyfikowaniu ogólnych poglądów populacji. Jednak ich przydatność do przewidywania emocji wywoływanych przez treści tekstowe u konkretnej osoby jest ograniczona. W niniejszej pracy przedstawiamy badanie przeprowadzone na zbiorze danych zawierającym 7000 opinii, z których każda została zaanotowana przez około 50 osób na dwóch wymiarach: walencja, pobudzenie, oraz z intensywnością ośmiu emocji z modelu Plutchika. Nasze badanie wykazało, że indywidualne odpowiedzi często znacząco odbiegały od średniej. Dlatego też zaproponowaliśmy nową miarę do oszacowania tego efektu – Personal Emotional Bias (PEB). Opracowaliśmy również nową architekturę transformaty opartej na BERT, aby przewidzieć emocje z indywidualnej perspektywy człowieka. Stwierdziliśmy, że PEB jest głównym czynnikiem poprawiającym jakość spersonalizowanego rozumowania. Zarówno metoda jak i miara mogą podnieść jakość systemów rekomendacji treści oraz spersonalizowanych rozwiązań chroniących użytkowników przed mową nienawiści lub niepożądanymi treściami, które mają wysoce subiektywny charakter.
Link: ResearchGate