Federico Bianchi • Debora Nozza • Dirk Hovy

摘要

在文本中检测情绪可以让社会科学家和计算机科学家研究人们在在线事件中的行为和反应。然而，开发这些工具需要不同语言的数据，但这种数据并不总是可获得的。本文收集了19种语言中可用的情绪检测数据集。我们为社交媒体数据训练了一个多语言情绪预测模型 XLM-EMO。该模型在零-shot设置下表现出竞争力，表明它在低资源语言的环境中是有帮助的。我们将我们的模型发布给社区，以便有兴趣的研究人员可以直接使用它。

模型

该模型是 XLM-T 模型的微调版本。

预期用途

该模型作为研究成果，面向研究社区。

这些模型的主要用户是AI研究人员。

结果

该模型在测试集上的F1值为0.85。

许可协议

对于模型，可能对数据（来自现有数据集）或Twitter（主要数据源）有限制。我们建议用户查阅每个数据集和Twitter规定的原始许可证。

本软件按原样提供，无论明示还是暗示，包括但不限于市场适用性和对特定目的的适用性，对于本软件的任何索赔、损害或其他责任，作者或版权持有人概不负责。

引用文献

如果您在项目中使用该模型，请使用以下BibTeX条目引用：

@inproceedings{bianchi2021feel,
    title = "{XLM-EMO: Multilingual Emotion Prediction in Social Media Text}",
    author = "Bianchi, Federico and Nozza, Debora and Hovy, Dirk",
    booktitle = "Proceedings of the 12th Workshop on Computational Approaches to Subjectivity, Sentiment and Social Media Analysis",
    year = "2022",
    publisher = "Association for Computational Linguistics",
}