2017acl---Learning Cognitive Features from Gaze Data for Sentiment and Sarcasm Classification笔记

àì夳堔傛蜴生んèń 2022-05-20 05:08 70阅读 0赞

文章标题：

**Learning Cognitive Features from Gaze Data for Sentiment and Sarcasm  
Classification using Convolutional Neural Network**

摘要

认知NLP系统是利用行为数据抽取的从眼动模式，脑图认知特征来增强传统的基于文档特征。

实验证明了，用自动学习的眼动数据特征和文本特征的组合，分类性能优于（1）基于单独依赖文本特征输入的CNN和（2）现有的基于手工制作的眼动和文本特征的系统。

介绍

就是说之前的系统难以处理微妙的情感分类，比如说“我真是非常爱我的工作，每天泡在工作里40个小时”其实应该是消极的情绪，但在缺乏外部信息的情况下现有的系统很难分类正确，但2016年的两篇文章介绍了利用读者的快速眼动信息来提升这些微妙的情感分类处理的性能。现有工作很少有利用眼动信息的，并且眼动信息依赖于手工提取特征。

现有的工作主要局限：a.可能不能完全的充分的提取眼动信息特征。

B. 眼动信息不能像文本信息那样直接提取特征，也给现有工作造成了困难。

因此, 在这项工作中, 我们尝试用卷积神经网络 (CNN) 从眼动和文本数据中学习特征表示, 而不是用手工制作基于眼动和文本的特征。

数据集是在现有的公用数据集上加上眼动数据

数据集：

The datasets used in our experiments, resources and other relevant pointers are available at [http://www.cfilt.iitb.ac.in/][http_www.cfilt.iitb.ac.in] cognitive-nlp

We conduct experiments for two binary classification tasks of sentiment and sarcasm using two publicly available datasets enriched with eye-movement information. Dataset 1 has been released by Mishra et al. (2016a). It contains 994 text snippets with 383 positive and 611 negative examples. Out of the 994 snippets, 350 are sarcastic. Dataset 2 has been used by Joshi et al. (2014) and it consists of 843 snippets comprising movie reviews and normalized tweets out of which 443 are positive, and 400 are negative.  
Eye-movement data of 7 and 5 readers is available for each snippet for dataset 1 and 2 respectively

[http_www.cfilt.iitb.ac.in]: http://www.cfilt.iitb.ac.in/