In dieser Arbeit schlagen wir Emo2Vec vor, eine Methode, die emotionale Semantik in Vektoren kodiert. Wir trainieren Emo2Vec durch Multi-Task-Lernen anhand von sechs verschiedenen emotionsbezogenen Aufgaben, darunter Emotions-/Stimmungsanalyse, Sarkasmus-Klassifizierung, Stress-Erkennung, Klassifizierung von beleidigendem Sprachgebrauch, Beleidigungserkennung und Persönlichkeitserkennung. Unsere Evaluation von Emo2Vec zeigt, dass es bestehende affektbezogene Repräsentationen wie Stimmungs-spezifische Wort-Vektoren (Sentiment-Specific Word Embedding) und DeepMoji-Vektoren bei erheblich kleineren Trainingskorpora übertrifft. Wenn Emo2Vec mit GloVe kombiniert wird, erreicht es vergleichbare Leistungen zu den neuesten Ergebnissen auf mehreren Aufgaben unter Verwendung eines einfachen logistischen Regressionsklassifikators.