論文の概要: NITS-Hinglish-SentiMix at SemEval-2020 Task 9: Sentiment Analysis For Code-Mixed Social Media Text Using an Ensemble Model

• arxiv url: http://arxiv.org/abs/2007.12081v2
• Date: Fri, 4 Sep 2020 17:55:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 12:31:03.950698
• Title: NITS-Hinglish-SentiMix at SemEval-2020 Task 9: Sentiment Analysis For Code-Mixed Social Media Text Using an Ensemble Model
• Title（参考訳）: NITS-Hinglish-SentiMix at SemEval-2020 Task 9: Code-Mixed Social Text using a Ensemble Model (英語)
• Authors: Subhra Jyoti Baroi, Nivedita Singh, Ringki Das, Thoudam Doren Singh
• Abstract要約: 本研究では,コードミキシングされたHinglishテキストの感情分析を活発に完了するシステムNITS-Hinglish-SentiMixを提案する。 提案したフレームワークはテストデータに対して0.617のFスコアを記録している。
• 参考スコア（独自算出の注目度）: 1.1265248232450553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment Analysis is the process of deciphering what a sentence emotes and classifying them as either positive, negative, or neutral. In recent times, India has seen a huge influx in the number of active social media users and this has led to a plethora of unstructured text data. Since the Indian population is generally fluent in both Hindi and English, they end up generating code-mixed Hinglish social media text i.e. the expressions of Hindi language, written in the Roman script alongside other English words. The ability to adequately comprehend the notions in these texts is truly necessary. Our team, rns2020 participated in Task 9 at SemEval2020 intending to design a system to carry out the sentiment analysis of code-mixed social media text. This work proposes a system named NITS-Hinglish-SentiMix to viably complete the sentiment analysis of such code-mixed Hinglish text. The proposed framework has recorded an F-Score of 0.617 on the test data.
• Abstract（参考訳）: 感性分析は、ある文が何を表出するかを解読し、それらを正、負、中性のいずれかに分類する過程である。 近年、インドではアクティブなソーシャルメディア利用者が急増しており、構造化されていないテキストデータが大量に流出している。 インドの人口は一般的にヒンディー語と英語の両方に精通しているため、他の英語の単語と共にローマ字で書かれたヒンディー語の表現をコード混成のヒングリッシュ・ソーシャルメディアのテキストを生成することになる。 これらのテキストにおける概念を適切に理解する能力は本当に必要である。 われわれのチームはSemEval2020のタスク9に参加し、コードミキシングされたソーシャルメディアテキストの感情分析を行うシステムを設計した。 本研究は, NITS-Hinglish-SentiMixというシステムを用いて, コード混在Hinglishテキストの感情分析を活発に行うことを提案する。 提案フレームワークはテストデータに0.617のf-scoreを記録している。

関連論文リスト

• CoSTA: Code-Switched Speech Translation using Aligned Speech-Text Interleaving [61.73180469072787]
  インド語から英語のテキストへのコード変更音声の音声翻訳(ST)の問題に焦点をあてる。 本稿では、事前訓練された自動音声認識(ASR)と機械翻訳(MT)モジュールを足場として、新しいエンドツーエンドモデルアーキテクチャCOSTAを提案する。 COSTAは、多くの競合するカスケードおよびエンドツーエンドのマルチモーダルベースラインを3.5BLEUポイントまで上回っている。
  論文  参考訳（メタデータ） (2024-06-16T16:10:51Z)
• SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in Conversation (EDiReF) [61.49972925493912]
  SemEval-2024 Task 10は、コードミキシングされた対話における感情の識別に焦点を当てた共有タスクである。 このタスクは3つの異なるサブタスクから構成される - コードミックス対話のための会話における感情認識、コードミックス対話のための感情フリップ推論、および英語対話のための感情フリップ推論である。 このタスクには84人の参加者が参加し、各サブタスクのF1スコアは0.70、0.79、0.76に達した。
  論文  参考訳（メタデータ） (2024-02-29T08:20:06Z)
• 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)
• TextHide: Tackling Data Privacy in Language Understanding Tasks [54.11691303032022]
  TextHideは、トレーニングを遅くしたり、精度を下げることなく、プライバシー上のリスクを軽減する。 すべての参加者は、盗聴攻撃者がプライベートテキストデータを復元するのを防ぐために、簡単な暗号化ステップを追加する必要がある。 我々は、GLUEベンチマーク上でTextHideを評価し、TextHideが共有勾配や表現に対する攻撃を効果的に防御できることを示す。
  論文  参考訳（メタデータ） (2020-10-12T22:22:15Z)
• 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)
• SemEval-2020 Task 10: Emphasis Selection for Written Text in Visual Media [50.29389719723529]
  本稿では,SemEval-2020 Task 10, Emphasis Selection for Written Text in Visual Media の主な成果とその結果を比較した。 この共有タスクの目的は、強調選択のための自動メソッドを設計することである。 タスクに送信されたシステムの解析は、BERTとRoBERTaが、トレーニング済みモデルの最も一般的な選択であることを示している。
  論文  参考訳（メタデータ） (2020-08-07T17:24:53Z)
• ULD@NUIG at SemEval-2020 Task 9: Generative Morphemes with an Attention Model for Sentiment Analysis in Code-Mixed Text [1.4926515182392508]
  本稿では,SemEval 2020 Task 9 SentiMixに寄与したGenMAモデル感情分析システムについて述べる。 このシステムは、単語レベルの言語タグを使わずに、与えられた英語とヒンディー語を混合したツイートの感情を予測することを目的としている。
  論文  参考訳（メタデータ） (2020-07-27T23:58:54Z)
• 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)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。