连续对抗性文本表示学习用于情感识别

本研究针对现有预训练语言模型在情感识别任务中对细微情感信息捕捉不足的问题，提出了一种新的框架来增强基于变换器模型的情感感知嵌入。通过引入连续的价值-唤醒标签系统和动态令牌扰动机制，本框架有效提升了模型对情感线索的敏感度，并在情感分类基准上实现了高达15.5%的性能提升，证明其在情感表征学习中的有效性。