التعاطف هو الرابط بين الذات والآخرين.اكتشاف وفهم التعاطف هو عنصر أساسي لتحسين التفاعل بين الإنسان.ومع ذلك، فإن التعليق البيانات للكشف عن التعاطف على نطاق واسع هو مهمة صعبة.توظف هذه الورقة تدريبات متعددة المهام مع تقطير المعرفة لدمج المعرفة من الموارد
المتاحة (العاطفة والشعور) للكشف عن التعاطف عن اللغة الطبيعية في مجالات مختلفة.يؤدي هذا النهج إلى تحقيق نتائج أفضل على مجموعة بيانات التعاطف ذات الصلة بالأخبار مقارنة مع خطوط الأساس القوية.بالإضافة إلى ذلك، نبني مجموعة بيانات جديدة للتنبؤ بالتعاطف مع اتجاه التعاطف المحبوب الجميل، أو البحث عن أو توفير التعاطف، من تويتر.نطلق سراح DataSet لدينا لأغراض البحث.
البحوث النشطة المتعلقة بالظاهرة العاطفية للتعاطف والضيق لا يقدر بثمن لتحسين التفاعل بين الإنسان. من الصعب التنبؤ بالتنبؤ بمثل هذه المشاعر المعقدة من البيانات النصية، لأن هذه البنيات متجذرة بعمق في النظرية النفسية. وبالتالي، بالنسبة للتنبؤ بشكل أفضل،
يصبح من الضروري مراعاة العوامل المساعدة مثل درجات الاختبارات النفسية والميزات الديموغرافية والمشاعر البدائية الكامنة الكامنة، إلى جانب تعهد النص وتعقيدها النفسي. يحل محل فريق PVG الخاص بهذه الورق هذه المهمة المشتركة ل Wassa 2021 بشأن التنبؤ بالتعاطف والعاطفة في رد الفعل على القصص الإخبارية. الاستفادة من البيانات النصية والميزات الديموغرافية ونتيجة الاختبار النفسي، والانتراء الجوهري للعواطف البدائية والتعاطف، نقترح إطارا متعدد المدخلات، إطار عمل متعدد المهام لمهمة التنبؤ في درجة التعاطف. هنا، يعتبر التنبؤ النتيجة التعاطف المهمة الأساسية، في حين تعتبر تصنيف المشاعر والتعاطف مهام مساعدة ثانوية. لمهمة التنبؤ بالنتيجة الضائقة، يتم تعزيز النظام بالإضافة إلى إضافة ميزات المعجمية. تقدمنا في المرتبة الأولى بناء على متوسط الارتباط (0.545) بالإضافة إلى ارتباط الضيق (0.574)، والثاني لارتباط بيرثوي بيرسيون (0.517).
تصف هذه الورقة مساهمتنا في المهمة المشتركة Wassa 2021 بشأن التنبؤ بالمساءات وتصنيف العاطفة.كان الهدف الواسع لهذه المهمة هو نموذج درجة التعاطف، ونتيجة استغاثة والمستوى العام للعاطفة للمقال مكتوب استجابة لمقال الصحف المرتبطة بالأذى لشخص ما.لقد استخدمنا
نموذج Electra بوفرة ونهج التعلم العميق المتقدمة أيضا مثل التعلم متعدد المهام.بالإضافة إلى ذلك، نحن أيضا الاستفادة من تقنيات تعلم الآلة القياسية مثل الكفر.يحقق نظامنا معامل ارتباط بيرسون من 0.533 في المهمة الفرعية الأولى ونتيجة ماكرو F1 من 0.5528 على المهمة الفرعية الثانية.احتلنا المرتبة الأولى في مهمة تصنيف العاطفة الفرعية والثالث في مهمة التنبؤ بالتعاطف.
تقدم هذه الورقة النتائج التي تم الحصول عليها من المهمة المشتركة Wassa 2021 بشأن التنبؤ بالتعاطف والعواطف.تم منح المشاركين إمكانية الوصول إلى مجموعة بيانات تضم ردود أفعال متعاطفية على القصص الإخبارية حيث يتم الإضرار لشخص أو مجموعة أو غيرها.تتكون ردود
الفعل هذه من مقالات وقلق تعاطف باتسون، وعشرات الاستغاثة الشخصية، وتم تمديد مجموعة البيانات مع المقالات الإخبارية، والمعلومات الديموغرافية على مستوى الشخص (العمر، والجنس، والعرق، ومستوى الدخل، ومستوى التعليم)، ومعلومات الشخصية.بالإضافة إلى ذلك، أضيفت ملصقات العاطفة، وهي المشاعر الأساسية ل EKMAN، إلى المقالات على مستوى الوثيقة وحكم الجملة.تم تشجيع المشاركة في مسارين: التنبؤ بالتعاطف والتنبؤ بفئات العاطفة.في إجمالي خمسة فرق شاركت في المهمة المشتركة.نحن تلخيص الأساليب والموارد التي تستخدمها الفرق المشاركة.
تصف هذه الورقة تقديمنا لمهمة Wassa 2021 المشتركة فيما يتعلق بالتنبؤ بالتعاطف والضيق والعواطف من القصص الإخبارية.يعتمد الحل على الجمع بين تواتر الكلمات والمعلومات المستندة إلى المعجم والتركيبة السكانية للنظام المعلقين وشخصية المعلقين في نموذج خطي.يتم
تنبؤ التعاطف والضيق باستخدام الانحدار الخطي بينما يتم تنفيذ التنبؤ بالعواطف باستخدام الانحدار اللوجستي.يتم تنفيذ كلا المهام باستخدام نفس الميزات.نماذجنا تصنيف 4th للتنبؤ بالعواطف والثاني للتنبؤ بالتعاطف والضيق.هذه النتائج مثيرة للاهتمام بشكل خاص عند اعتبار أن المتطلبات الحسابية للحل هي الحد الأدنى.
التّعاطف مفهوم معقّد و متعدد الأبعاد، حيث يتضمّن مكوّنات عاطفيّة، و أخلاقيّة، و إدراكيّة، و سلوكيّة. التّعاطف السّريري يتضمّن القدرة على: (أ) فهم حالة المريض، و مشاعره و منظوره؛ (ب) إيصال ذلك الفهم للمريض بشكل دقيق؛ (ج) التّصرّف بطريقة فعّالة مع المريض بناءً على ذلك الفهم.
