摘要
本文提出了一种用于上下文情感检测任务的新方法。该方法基于一个神经特征提取器，由带有注意力机制的循环神经网络（RNN）构成，并后接一个分类器，该分类器可为神经网络或基于支持向量机（SVM）的模型。我们采用SemEval 2019任务3（EmoContext）的语料库对该模型进行了评估，该数据集包含短篇三轮对话，每条对话标注有4种情感类别。实验结果表明，最优配置采用ELMo词向量与词性标注（POS tags）作为输入，以双向门控循环单元（bidirectional GRU）作为隐藏层单元，并使用SVM作为最终分类器。该配置在主要3种情感类别上的微平均F1分数达到69.93%，相较于基线系统提升了11.25%。