由于情緒識別與原因檢測密切相關(guān)，最近的一項研究提出了一個聯(lián)合建模的框架。此外，該研究試圖將經(jīng)過訓(xùn)練以使用常識知識的適應(yīng)性知識模型與預(yù)先訓(xùn)練的語言模型相結(jié)合。

該模型在情感分類和情感原因標(biāo)記方面都產(chǎn)生了性能提升。還表明，常識知識有助于語言模型將似是而非的輸出空間縮減為人類注釋者最常選擇的輸出空間。未來，研究人員希望將這些模型應(yīng)用于其他任務(wù)，例如檢測體驗者或情緒目標(biāo)。

檢測文本中表達(dá)的情緒是自然語言處理中一個經(jīng)過充分研究的問題。然而，關(guān)于更細(xì)粒度的情緒分析(例如導(dǎo)致情緒的原因)的研究仍處于起步階段。我們提出了以聯(lián)合方式處理情緒識別和情緒原因檢測的解決方案?？紤]到常識知識在理解隱??式表達(dá)的情緒及其產(chǎn)生這些情緒的原因方面起著重要作用，我們提出了通過自適應(yīng)知識模型將常識知識與多任務(wù)學(xué)習(xí)相結(jié)合的新方法，以執(zhí)行聯(lián)合情緒分類和情緒原因標(biāo)記. 當(dāng)包括常識推理和多任務(wù)框架時，我們在這兩個任務(wù)上都顯示了性能改進(jìn)。我們提供全面的分析，以深入了解模型性能。