PVG at WASSA 2021: A Multi-Input, Multi-Task, Transformer-Based Architecture for Empathy and Distress Prediction

البحوث النشطة المتعلقة بالظاهرة العاطفية للتعاطف والضيق لا يقدر بثمن لتحسين التفاعل بين الإنسان. من الصعب التنبؤ بالتنبؤ بمثل هذه المشاعر المعقدة من البيانات النصية، لأن هذه البنيات متجذرة بعمق في النظرية النفسية. وبالتالي، بالنسبة للتنبؤ بشكل أفضل، يصبح من الضروري مراعاة العوامل المساعدة مثل درجات الاختبارات النفسية والميزات الديموغرافية والمشاعر البدائية الكامنة الكامنة، إلى جانب تعهد النص وتعقيدها النفسي. يحل محل فريق PVG الخاص بهذه الورق هذه المهمة المشتركة ل Wassa 2021 بشأن التنبؤ بالتعاطف والعاطفة في رد الفعل على القصص الإخبارية. الاستفادة من البيانات النصية والميزات الديموغرافية ونتيجة الاختبار النفسي، والانتراء الجوهري للعواطف البدائية والتعاطف، نقترح إطارا متعدد المدخلات، إطار عمل متعدد المهام لمهمة التنبؤ في درجة التعاطف. هنا، يعتبر التنبؤ النتيجة التعاطف المهمة الأساسية، في حين تعتبر تصنيف المشاعر والتعاطف مهام مساعدة ثانوية. لمهمة التنبؤ بالنتيجة الضائقة، يتم تعزيز النظام بالإضافة إلى إضافة ميزات المعجمية. تقدمنا ​​في المرتبة الأولى بناء على متوسط ​​الارتباط (0.545) بالإضافة إلى ارتباط الضيق (0.574)، والثاني لارتباط بيرثوي بيرسيون (0.517).

Active research pertaining to the affective phenomenon of empathy and distress is invaluable for improving human-machine interaction. Predicting intensities of such complex emotions from textual data is difficult, as these constructs are deeply rooted in the psychological theory. Consequently, for better prediction, it becomes imperative to take into account ancillary factors such as the psychological test scores, demographic features, underlying latent primitive emotions, along with the text's undertone and its psychological complexity. This paper proffers team PVG's solution to the WASSA 2021 Shared Task on Predicting Empathy and Emotion in Reaction to News Stories. Leveraging the textual data, demographic features, psychological test score, and the intrinsic interdependencies of primitive emotions and empathy, we propose a multi-input, multi-task framework for the task of empathy score prediction. Here, the empathy score prediction is considered the primary task, while emotion and empathy classification are considered secondary auxiliary tasks. For the distress score prediction task, the system is further boosted by the addition of lexical features. Our submission ranked 1st based on the average correlation (0.545) as well as the distress correlation (0.574), and 2nd for the empathy Pearson correlation (0.517).