تصنيف العاطفة متعددة العلامات هو مهمة مهمة في NLP وهي ضرورية للعديد من التطبيقات.في هذا العمل، نقترح نهج التسلسل إلى العاطفة (SEQ2EMO)، الذي نماذج ضمنيا علاقات العاطفة في وحدة فك ترميز ثنائية الاتجاه.تظهر التجارب في مجموعات بيانات Semeval'18 و Goemot
ions أن نهجنا تتفوق على الأساليب الحديثة (دون استخدام البيانات الخارجية).على وجه الخصوص، يتفوق SEQ2EMO على نهج السلسلة ذات الصلة الثنائية (BR) وسلسلة التصنيف (CC) في بيئة عادلة.
تصف هذه الورقة مساهمتنا في المهمة المشتركة Wassa 2021 بشأن التنبؤ بالمساءات وتصنيف العاطفة.كان الهدف الواسع لهذه المهمة هو نموذج درجة التعاطف، ونتيجة استغاثة والمستوى العام للعاطفة للمقال مكتوب استجابة لمقال الصحف المرتبطة بالأذى لشخص ما.لقد استخدمنا
نموذج Electra بوفرة ونهج التعلم العميق المتقدمة أيضا مثل التعلم متعدد المهام.بالإضافة إلى ذلك، نحن أيضا الاستفادة من تقنيات تعلم الآلة القياسية مثل الكفر.يحقق نظامنا معامل ارتباط بيرسون من 0.533 في المهمة الفرعية الأولى ونتيجة ماكرو F1 من 0.5528 على المهمة الفرعية الثانية.احتلنا المرتبة الأولى في مهمة تصنيف العاطفة الفرعية والثالث في مهمة التنبؤ بالتعاطف.
كلمات الأغاني تنقل العديد من المشاعر إلى المستمع وصور بقوة الحالة العاطفية للكاتب أو المغني.يفحص هذه الورقة مجموعة متنوعة من نهج النمذجة لمشكلة تصنيف متعددة العاطفة للأغاني.نقدم DataSet DataSet Edmonds DataSet، وهي كلمات بيانات كلمات مشفخة عن العاطفة
من منظور القارئ، وتعليق DataSet of Mihalcea و Stripparava (2012) على مستوى الأغنية.نجد أن النماذج المدربة على مجموعات بيانات الأغنية الصغيرة نسبيا تحقق أداء أفضل بشكل هامشي من بيرت (ديفلين وآخرون)
