Verbesserung der Mehrlabels-Emotionsklassifikation durch Integration sowohl allgemeiner als auch domainspezifischer Wissensinhalte

Basiert auf Deep Learning entwickelte allgemeine Sprachmodelle haben in vielen gängigen Aufgaben wie der Sentiment-Analyse und Fragebeantwortung (QA) state-of-the-art Ergebnisse erzielt. Texte aus spezifischen Domänen wie sozialen Medien weisen eigene charakteristische Merkmale auf. Domänenwissen sollte bei domänenrelevanten Aufgaben von Vorteil sein. In dieser Arbeit entwickeln wir eine einfache Methode zur Gewinnung von Domänenwissen und schlagen außerdem eine Strategie zur Integration von Domänenwissen mit allgemeinem Wissen auf Basis tiefer Sprachmodelle vor, um die Leistung bei der Emotionsklassifikation zu verbessern. Experimente an Twitter-Daten zeigen, dass selbst ein tiefes Sprachmodell, das an Daten der Ziel-Domäne fine-tuned wurde und vergleichbare Ergebnisse zu vorherigen state-of-the-art-Modellen erzielt, weiterhin von unserem extrahierten Domänenwissen profitieren kann, um eine zusätzliche Verbesserung zu erreichen. Dies unterstreicht die Bedeutung der Nutzung von Domänenwissen in domänen-spezifischen Anwendungen.