論文の概要: Duluth at SemEval-2020 Task 7: Using Surprise as a Key to Unlock
Humorous Headlines
- arxiv url: http://arxiv.org/abs/2009.02795v1
- Date: Sun, 6 Sep 2020 18:34:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 08:20:52.711619
- Title: Duluth at SemEval-2020 Task 7: Using Surprise as a Key to Unlock
Humorous Headlines
- Title(参考訳): SemEval-2020 Task 7: サプライズをハーモラスヘッドラインのアンロックの鍵として使う
- Authors: Shuning Jin, Yue Yin, XianE Tang, Ted Pedersen
- Abstract要約: ユーモアの不整合理論にインスパイアされた私たちは、編集された見出しのサプライズを捉えるために、対照的なアプローチを使用します。
公式評価では,49件中11件目で0.531件のRMSEが得られた。
- 参考スコア(独自算出の注目度): 1.8782241143922103
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We use pretrained transformer-based language models in SemEval-2020 Task 7:
Assessing the Funniness of Edited News Headlines. Inspired by the incongruity
theory of humor, we use a contrastive approach to capture the surprise in the
edited headlines. In the official evaluation, our system gets 0.531 RMSE in
Subtask 1, 11th among 49 submissions. In Subtask 2, our system gets 0.632
accuracy, 9th among 32 submissions.
- Abstract(参考訳): semeval-2020タスク7: 編集されたニュース見出しの真菌性を評価する。
ユーモアの違和感理論に触発されて、私たちは対照的なアプローチを使って、編集された見出しの驚きを捉えました。
公式評価では,49件中11件目で0.531件のRMSEが得られた。
Subtask 2では、我々のシステムは精度0.632で、32件中9番目です。
関連論文リスト
- ThangDLU at #SMM4H 2024: Encoder-decoder models for classifying text data on social disorders in children and adolescents [49.00494558898933]
本稿では,#SMM4H (Social Media Mining for Health) 2024 Workshopのタスク3とタスク5への参加について述べる。
タスク3は、屋外環境が社会不安の症状に与える影響を議論するツイートを中心にした多クラス分類タスクである。
タスク5は、子供の医学的障害を報告しているツイートに焦点を当てたバイナリ分類タスクを含む。
BART-baseやT5-smallのような事前訓練されたエンコーダデコーダモデルからの転送学習を適用し、与えられたツイートの集合のラベルを同定した。
論文 参考訳(メタデータ) (2024-04-30T17:06:20Z) - 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) - HIT-SCIR at MMNLU-22: Consistency Regularization for Multilingual Spoken
Language Understanding [56.756090143062536]
本稿では,ハイブリッドデータ拡張戦略に基づく一貫性の正則化を提案する。
フルデータセットとゼロショット設定の両方で、MASSIVEデータセット上で実験を行う。
提案手法はインテント検出とスロット充足の両方の性能を向上させる。
論文 参考訳(メタデータ) (2023-01-05T11:21:15Z) - Findings of the WMT 2022 Shared Task on Translation Suggestion [63.457874930232926]
We report the results of the first edition of the WMT shared task on Translation Suggestion。
このタスクは、機械翻訳(MT)によって生成された文書全体に対して、特定の単語やフレーズの代替手段を提供することを目的としている。
2つのサブタスク、すなわち単純翻訳提案と暗示付き翻訳提案で構成されている。
論文 参考訳(メタデータ) (2022-11-30T03:48:36Z) - Overview of Abusive and Threatening Language Detection in Urdu at FIRE
2021 [50.591267188664666]
我々は、ウルドゥー語に対する虐待と脅しの2つの共通タスクを提示する。
本研究では, (i) 乱用と非乱用というラベル付きツイートを含む手動注釈付きデータセットと, (ii) 脅威と非脅威の2つを提示する。
両方のサブタスクに対して、m-Bertベースのトランスモデルは最高の性能を示した。
論文 参考訳(メタデータ) (2022-07-14T07:38:13Z) - Nowruz at SemEval-2022 Task 7: Tackling Cloze Tests with Transformers
and Ordinal Regression [1.9078991171384017]
本稿では,チームがSemEval 2022 Task 7に参加したシステムについて概説する。
論文 参考訳(メタデータ) (2022-04-01T16:36:10Z) - MagicPai at SemEval-2021 Task 7: Method for Detecting and Rating Humor
Based on Multi-Task Adversarial Training [4.691435917434472]
本稿では,MagicPaiによるSemEval 2021 Task 7, HaHackathon: Detecting and Rating Humor and Offenseのシステムについて述べる。
この課題は、テキストがユーモラスか、いかにユーモラスかを検出することである。
主に、逆例に基づくマルチタスク学習モデルであるソリューションを紹介します。
論文 参考訳(メタデータ) (2021-04-21T03:23:02Z) - ISCAS at SemEval-2020 Task 5: Pre-trained Transformers for
Counterfactual Statement Modeling [48.3669727720486]
ISCASはSemEval 2020 Task 5の2つのサブタスクに参加した。
本稿では,事前学習したトランスをベースとしたシステムについて述べる。
論文 参考訳(メタデータ) (2020-09-17T09:28:07Z) - SemEval-2020 Task 7: Assessing Humor in Edited News Headlines [9.78014714425501]
本稿では,SemEval-2020共有タスク"Assessing Humor in Edited News Headlines"について述べる。
タスクのデータセットにはニュースの見出しが含まれており、短い編集を施して面白くし、これらの編集された見出しの面白さはクラウドソーシングを使って評価された。
現在、このタスクは最も人気のある計算ユーモアタスクであり、最初のサブタスクで48チーム、2番目のタスクで31チームを集めている。
論文 参考訳(メタデータ) (2020-08-01T17:34:37Z) - NoPropaganda at SemEval-2020 Task 11: A Borrowed Approach to Sequence
Tagging and Text Classification [0.0]
本稿では,SemEval-2020 Task 11: Detection of Propaganda Techniques in News Articlesについて述べる。
簡単なLSTMベースラインから始まり、自動回帰変換器デコーダに移行し、最初のサブタスクで長い連続プロパガンダ幅を予測する。
また,2番目のプロパガンダ手法分類のための特別なトークンを付して,上述のスパンを包み込み,関係抽出からのアプローチを採用した。
論文 参考訳(メタデータ) (2020-07-25T11:35:57Z) - LMVE at SemEval-2020 Task 4: Commonsense Validation and Explanation
using Pretraining Language Model [5.428461405329692]
本稿では,SemEval-2020 Task 4のサブタスクa,bへの提出について述べる。
サブタスク a では、ALBERT ベースのモデルを用いて2つの文候補から共通感覚文を抽出する。
サブタスクbでは、ヒント文機構によって強化された多重選択モデルを用いて、文が常識に反する理由を与えられた選択肢から選択する。
論文 参考訳(メタデータ) (2020-07-06T05:51:10Z)
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。