2021SMP-ECISA中文隐式情感分析.md

2021SMP-ECISA中文隐式情感分析

• 任务简介

  • 我们将隐式情感定义为：“不含有显式情感词，但表达了主观情感的语言片段”，并将其划分为事实型隐式情感和修辞型隐式情感。其中，修辞型隐式情感又可细分为隐喻/比喻型、反问型以及反讽型。本次评测任务中，仅针对隐式情感的识别与情感倾向性分类。
  • 官网：https://github.com/sxu-nlp/ECISA2021

• 时间：2021.6~2021.8

• 数据示例

  <Doc ID="5">
  
  <Sentence ID="1">因为你是老太太</Sentence>
  
  <Sentence ID="2" label="1">看完了，满满的回忆，很多那个时代的元素</Sentence>
  
  </Doc>

  注：

  1. 带有label="1"标记的标注句子，含有完整的上下文，标签为：0-不含情感，1-褒义隐式情感，2-贬义隐式情感。
  2. 一个Doc中含有多个句子，有些是没有标注的

• 数据说明

  本次评测A榜数据集为smp2019-ecisa数据，B榜不公开，以下为A榜数据

  	句子数	褒义	贬义	中性	下载
  train	60102	3828	3957	7003	√
  dev	20592	1233	1358	2554	同上
  test	26483	919	979	1902	同上

• 竞赛方案

  方案/rank	A榜 Macro F	B榜 Macro F	代码
  1（ppt ）	0.8127	0.8617	×
  2（ppt ）	0.8094	0.8581	×
  3	0.7994	0.8523	√
  4	0.8187	0.8520	√
  5（ppt ）	0.8052	0.8468	√

• 推荐资料

  以下资料来源于：here

  • 2008《情感词汇本体的构造》
  • 2020《基于混合神经网络的中文隐式情感分析》
  • 2020《基于图注意力神经网络的中文隐式情感分析》
  • 2020《一种融合上下文特征的中文隐式情感分析模型》
  • 2021《融合上下文信息的隐式情感句判别方法》
  • 2021《基于ERNIE2.0-BiLSTM-Attention的隐式情感分析方法》
  • 2021《融合关键对象识别与深层自注意力的Bi_LSTM情感分析模型》