Empaths 在 SemEval-2025 任务 11：面向感知情绪预测的检索增强方法
Empaths at SemEval-2025 Task 11: Retrieval-Augmented Approach to Perceived Emotions Prediction
AI总结：
本文提出 EmoRAG 系统，面向 SemEval-2025 任务 11 的多标签情绪检测，通过免训练的模型集成与检索增强方法预测说话者感知情绪，在达到最佳系统相当性能的同时更高效、可扩展且易实现。
摘要：
本文描述了 EmoRAG，一个为 SemEval-2025 任务 11 子任务 A：多标签情绪检测而设计的系统，用于检测文本中的感知情绪。我们专注于从给定文本片段中预测说话者的感知情绪，并为其标注诸如喜悦、悲伤、恐惧、愤怒、惊讶和厌恶等情绪。我们的方法不需要额外的模型训练，仅使用模型集成来预测情绪。EmoRAG 取得了与最佳性能系统相当的结果，同时更高效、更具可扩展性且更易于实现。
英文摘要：
This paper describes EmoRAG, a system designed to detect perceived emotions in text for SemEval-2025 Task 11, Subtask A: Multi-label Emotion Detection. We focus on predicting the perceived emotions of the speaker from a given text snippet, labeling it with emotions such as joy, sadness, fear, anger, surprise, and disgust. Our approach does not require additional model training and only uses an ensemble of models to predict emotions. EmoRAG achieves results comparable to the best performing systems, while being more efficient, scalable, and easier to implement.
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。
