情感识别中的Transformers：BERT、DistillBERT、RoBERTa、XLNet和ELECTRA的比较
Exploring Transformers in Emotion Recognition: a comparison of BERT, DistillBERT, RoBERTa, XLNet and ELECTRA
Brazilian Network Information Center (NIC.br)（巴西网络信息中心 (NIC.br)）；Pontifical Catholic University of São Paulo (PUC-SP)（圣保罗天主教大学 (PUC-SP)）
摘要：
本文研究了如何将自然语言理解（NLU）应用于情感计算中的一个特定任务--情感识别。我们使用细粒度的情感数据集对不同的Transformers语言模型（BERT、DistilBERT、RoBERTa、XLNet和ELECTRA）进行了微调，并根据性能（f1分数）和完成时间对它们进行了评估。
英文摘要：
This paper investigates how Natural Language Understanding (NLU) could be applied in Emotion Recognition, a specific task in affective computing. We finetuned different transformers language models (BERT, DistilBERT, RoBERTa, XLNet, and ELECTRA) using a fine-grained emotion dataset and evaluating them in terms of performance (f1-score) and time to complete.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
