一种用于情感识别的密集空间网络模型，采用学习方法进行训练

《ACM Transactions on Asian and Low-Resource Language Information Processing》：A DENSE SPATIAL NETWORK MODEL FOR EMOTION RECOGNITION USING LEARNING APPROACHES

本研究提出基于深度卷积信念的空间网络模型，实现文本与视频的情感半自动标注。实验表明预标注方法可节省20%标注时间且不影响质量，特别提升低预测准确者效率，增强标注可靠性。

　　

摘要

由于Web 2.0上主观信息的呈指数级增长，研究人员越来越渴望开发从新来源提取情感数据的技术。文本情感检测中最具挑战性的方面之一是收集带有情感标签的数据，因为情感标注本身具有主观性。为了解决这一重要问题，我们的研究旨在帮助开发有效的解决方案。我们提出了一种基于深度卷积信念的空间网络模型（DCB-SNM），作为一种半自动化技术来应对这一挑战。该模型包括两个基本分析阶段：文本分析和视频分析。在这一过程中，预训练的注释者会识别出主导情感。我们的研究评估了这种自动预标注方法对人工情感标注的影响，从标注时间和一致性两个方面进行了考量。数据显示，使用预标注程序后，标注时间大约增加了20%，同时并未对注释者的技能产生负面影响。这证明了预标注方法的优势。此外，对于预测准确性较低的参与者来说，预标注尤其有利，能够提高整体标注的效率和可靠性。