Fugu-MT 論文翻訳(概要): HCMS at SemEval-2020 Task 9: A Neural Approach to Sentiment Analysis for Code-Mixed Texts

論文の概要: HCMS at SemEval-2020 Task 9: A Neural Approach to Sentiment Analysis for Code-Mixed Texts

arxiv url: http://arxiv.org/abs/2007.12076v1
Date: Thu, 23 Jul 2020 15:39:53 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 11:37:22.224334
Title: HCMS at SemEval-2020 Task 9: A Neural Approach to Sentiment Analysis for Code-Mixed Texts
Title（参考訳）: HCMS at SemEval-2020 Task 9: An Neural Approach to Sentiment Analysis for Code-Mixed Texts
Authors: Aditya Srivastava, V. Harsha Vardhan
Abstract要約: 本稿では,コードミックステキストの感情分類を含むSentimix Hindi-Englishタスクについて述べる。 F1のスコア67.1%で、単純な畳み込みと注意が合理的な結果をもたらすことを示した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Problems involving code-mixed language are often plagued by a lack of resources and an absence of materials to perform sophisticated transfer learning with. In this paper we describe our submission to the Sentimix Hindi-English task involving sentiment classification of code-mixed texts, and with an F1 score of 67.1%, we demonstrate that simple convolution and attention may well produce reasonable results.
Abstract（参考訳）: コードミキシング言語に関わる問題は、リソースの不足と高度なトランスファー学習を行うための材料不足によって悩まされることが多い。本稿では,コード混合テキストの感情分類を含むセンティミックスヒンズー英語課題への提案について述べるとともに,f1スコア67.1%を用いて,単純な畳み込みと注意力によって合理的な結果が得られることを示す。

関連論文リスト

DISCO: A Large Scale Human Annotated Corpus for Disfluency Correction in Indo-European Languages [68.66827612799577]
ディフルエンシ補正(Disfluency correction, DC)とは、話し言葉からフィラー、繰り返し、訂正などの不適切な要素を取り除き、読みやすく解釈可能なテキストを作成する過程である。 Indo-Europeanの4つの重要な言語(英語、ヒンディー語、ドイツ語、フランス語)を網羅した、高品質な人間の注釈付きDCコーパスを提示する。最新の機械翻訳(MT)システムと併用した場合,DCはBLEUスコアを平均5.65ポイント増加させることを示す。
論文参考訳（メタデータ） (2023-10-25T16:32:02Z)
Guilt Detection in Text: A Step Towards Understanding Complex Emotions [58.720142291102135]
ギルト検出と呼ばれる新しい自然言語処理タスクを導入する。我々は、罪悪感を、これまでNLPで研究されていない複雑で致命的な感情とみなす。罪状検出のための公開コーパスの欠如に対処するため,4622テキストを含むデータセットであるVICを開発した。
論文参考訳（メタデータ） (2023-03-06T21:36:19Z)
Transformer-based Model for Word Level Language Identification in Code-mixed Kannada-English Texts [55.41644538483948]
コードミキシングしたカンナダ英語テキストにおける単語レベル言語識別のためのトランスフォーマーベースモデルを提案する。 The proposed model on the CoLI-Kenglish dataset achieves a weighted F1-score of 0.84 and a macro F1-score of 0.61。
論文参考訳（メタデータ） (2022-11-26T02:39:19Z)
Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文参考訳（メタデータ） (2022-04-10T21:46:52Z)
JUNLP@Dravidian-CodeMix-FIRE2020: Sentiment Classification of Code-Mixed Tweets using Bi-Directional RNN and Language Tags [14.588109573710431]
本稿では、双方向LSTMと言語タグ付けを用いて、ソーシャルメディアから抽出したコードミキシングタミルテキストの感情タグ付けを容易にする。提案アルゴリズムは精度、リコール、F1スコアはそれぞれ0.59点、0.66点、0.58点である。
論文参考訳（メタデータ） (2020-10-20T08:10:29Z)
NLP-CIC at SemEval-2020 Task 9: Analysing sentiment in code-switching language using a simple deep-learning classifier [63.137661897716555]
コードスイッチングは、2つ以上の言語が同じメッセージで使用される現象である。標準的な畳み込みニューラルネットワークモデルを用いて、スペイン語と英語の混在するツイートの感情を予測する。
論文参考訳（メタデータ） (2020-09-07T19:57:09Z)
LIMSI_UPV at SemEval-2020 Task 9: Recurrent Convolutional Neural Network for Code-mixed Sentiment Analysis [8.8561720398658]
本稿では,SemEval-2020 Task 9: Sentiment Analysis for Code-Mixed Social Media TextにおけるLIMSI UPVチームの参加について述べる。提案手法はSentiMix Hindi- English subtaskで競合し、Hindi- English code-mixedTweetの感情を予測する問題に対処した。本稿では,リカレントニューラルネットワークと畳み込みニューラルネットワークを併用して,テキストのセマンティクスをよりよく捉えたリカレント畳み込みニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-08-30T13:52:24Z)
C1 at SemEval-2020 Task 9: SentiMix: Sentiment Analysis for Code-Mixed Social Media Text using Feature Engineering [0.9646922337783134]
本稿では,SemEval-2020 Task 9: SentiMixのコード混合ソーシャルメディアテキストにおける感情分析における特徴工学的アプローチについて述べる。重み付きF1スコアは、"Hinglish"タスクが0.65、"Spanglish"タスクが0.63となる。
論文参考訳（メタデータ） (2020-08-09T00:46:26Z)
IUST at SemEval-2020 Task 9: Sentiment Analysis for Code-Mixed Social Media Text using Deep Neural Networks and Linear Baselines [6.866104126509981]
我々は、与えられたコードミックスツイートの感情を予測するシステムを開発した。我々の最高の演奏法は、スペイン語のサブタスクに対して0.751得点、ヒンディー語のサブタスクに対して0.706スコアを得る。
論文参考訳（メタデータ） (2020-07-24T18:48:37Z)
JUNLP@SemEval-2020 Task 9:Sentiment Analysis of Hindi-English code mixed data using Grid Search Cross Validation [3.5169472410785367]
私たちは、Code-Mixed Sentiment Analysisのドメインに対する、もっとも有効なソリューションの開発に重点を置いています。この作業はSemEval-2020 Sentimix Taskへの参加として行われた。
論文参考訳（メタデータ） (2020-07-24T15:06:48Z)
Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文参考訳（メタデータ） (2020-04-28T11:27:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。