论文研究 努力了解推文中的创意语言

从社交媒体中提取细粒度的信息传统上是一项艰巨的任务,因为社交媒体消息中使用的语言通常是非正式的,具有创造性的特定于流派的术语和表达。 如何应对这样的挑战,以自动理解人们交流的观点已经成为研究的热点。 在本文中,我们旨在证明利用预先学习的知识可以帮助神经网络模型理解推文中的创意语言。 为了解决这个想法,我们提出了一种基于BERT的迁移学习模型。 我们微调了预训练的BERT模型,并将定制的模型应用于SemEval-2018中描述的两个下游任务:反讽检测任务和推文的Emoji预测任务。 我们的模型在Emoji预测任务中的F得分为38.52(排名1/49),在Irony Detection子任务A和子