Ensembles basés sur BERT pour la modélisation de la divulgation et du soutien dans les textes conversationnels des médias sociaux

Un intérêt croissant se développe concernant la compréhension de la manière dont les êtres humains initient et maintiennent des conversations. L’analyse affective des conversations se concentre sur la question de la manière dont les locuteurs utilisent les émotions pour réagir à une situation et les uns aux autres. Dans le cadre de la tâche partagée CL-Aff, les organisateurs ont publié le jeu de données Get it #OffMyChest, comprenant des commentaires Reddit issus de conversations informelles et confessionnelles, étiquetés selon leurs caractéristiques de révélation et de soutien. Dans cet article, nous présentons un modèle prédictif par ensemble exploitant des embeddings contextuels finement ajustés, à savoir RoBERTa et ALBERT. Nous démontrons que notre modèle surpasser les modèles de base sur tous les indicateurs considérés, obtenant une amélioration de 3 % sur le score F1. Nous menons par ailleurs une analyse statistique approfondie et proposons des insights plus poussés sur le jeu de données, tout en introduisant une nouvelle caractérisation de l’impact de ce dernier.