論文の概要: TweetEval: Unified Benchmark and Comparative Evaluation for Tweet Classification

• arxiv url: http://arxiv.org/abs/2010.12421v2
• Date: Mon, 26 Oct 2020 09:14:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:27:02.919961
• Title: TweetEval: Unified Benchmark and Comparative Evaluation for Tweet Classification
• Title（参考訳）: TweetEval: つぶやき分類のための統一ベンチマークと比較評価
• Authors: Francesco Barbieri and Jose Camacho-Collados and Leonardo Neves and Luis Espinosa-Anke
• Abstract要約: 異種Twitter固有の7つの分類タスクからなる新しい評価フレームワーク(TweetEval)を提案する。 最初の実験では、既存の訓練済みの汎用言語モデルから始めることの有効性を示した。
• 参考スコア（独自算出の注目度）: 22.265865542786084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The experimental landscape in natural language processing for social media is too fragmented. Each year, new shared tasks and datasets are proposed, ranging from classics like sentiment analysis to irony detection or emoji prediction. Therefore, it is unclear what the current state of the art is, as there is no standardized evaluation protocol, neither a strong set of baselines trained on such domain-specific data. In this paper, we propose a new evaluation framework (TweetEval) consisting of seven heterogeneous Twitter-specific classification tasks. We also provide a strong set of baselines as starting point, and compare different language modeling pre-training strategies. Our initial experiments show the effectiveness of starting off with existing pre-trained generic language models, and continue training them on Twitter corpora.
• Abstract（参考訳）: ソーシャルメディアの自然言語処理における実験的な展望は、あまりにも断片化されている。 毎年、感情分析のような古典から皮肉検出や絵文字予測まで、新しい共有タスクとデータセットが提案されている。 したがって、標準化された評価プロトコルがないため、そのようなドメイン固有のデータに基づいてトレーニングされた強力なベースラインも存在しない。 本稿では、7つの異種Twitter固有の分類タスクからなる新しい評価フレームワーク(TweetEval)を提案する。 また、出発点として強力なベースラインセットを提供し、異なる言語モデリング事前学習戦略を比較します。 最初の実験では、既存のトレーニング済みのジェネリック言語モデルから始め、Twitterコーパスでトレーニングを続ける効果が示された。

関連論文リスト

• Ensembling Finetuned Language Models for Text Classification [55.15643209328513]
  ファインタニング(英: Finetuning)は、特定のタスクに事前訓練されたモデルを適用するために、様々なコミュニティで一般的なプラクティスである。 ニューラルネットワークのアンサンブルは、通常、パフォーマンスを高め、信頼性の高い不確実性推定を提供するために使用される。 6つのデータセット上の5つの大きめのモデルから予測されたメタデータセットを提示し、異なるアンサンブル戦略の結果を報告する。
  論文  参考訳（メタデータ） (2024-10-25T09:15:54Z)
• A Dataset and Strong Baselines for Classification of Czech News Texts [0.0]
  チェコ最大の分類データセットであるCZE-NEC(CZE-NEC)について述べる。 我々は、ニュースソース、ニュースカテゴリ、推論された著者の性別、週の日という4つの分類タスクを定義した。 本研究では,市販の大規模生成言語モデルにおいて,言語固有の事前学習エンコーダ解析が優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-20T07:47:08Z)
• Disco-Bench: A Discourse-Aware Evaluation Benchmark for Language Modelling [70.23876429382969]
  本研究では,多種多様なNLPタスクに対して,文内談話特性を評価できるベンチマークを提案する。 ディスコ・ベンチは文学領域における9つの文書レベルのテストセットから構成されており、豊富な談話現象を含んでいる。 また,言語分析のために,対象モデルが談話知識を学習するかどうかを検証できる診断テストスイートを設計する。
  論文  参考訳（メタデータ） (2023-07-16T15:18:25Z)
• Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
  非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。 我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。 また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
  論文  参考訳（メタデータ） (2023-01-22T18:22:55Z)
• A Generative Language Model for Few-shot Aspect-Based Sentiment Analysis [90.24921443175514]
  我々は、アスペクト項、カテゴリを抽出し、対応する極性を予測するアスペクトベースの感情分析に焦点を当てる。 本稿では,一方向の注意を伴う生成言語モデルを用いて,抽出タスクと予測タスクをシーケンス生成タスクに再構成することを提案する。 提案手法は,従来の最先端(BERTをベースとした)の性能を,数ショットとフルショットの設定において,大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-04-11T18:31:53Z)
• Are We Really Making Much Progress in Text Classification? A Comparative Review [2.579878570919875]
  本研究では,単一ラベルと複数ラベルのテキスト分類のための手法をレビューし,比較する。 その結果、最近提案されたグラフベースおよび階層ベースの手法は、事前学習された言語モデルよりも優れていることが判明した。
  論文  参考訳（メタデータ） (2022-04-08T09:28:20Z)
• Just Rank: Rethinking Evaluation with Word and Sentence Similarities [105.5541653811528]
  埋め込みの本質的な評価は かなり遅れています そして過去10年間 重要な更新は行われていません 本稿ではまず,単語と文の埋め込み評価におけるゴールドスタンダードとして意味的類似性を用いた問題点を指摘する。 本稿では,下流タスクとより強い相関関係を示すEvalRankという本質的な評価手法を提案する。
  論文  参考訳（メタデータ） (2022-03-05T08:40:05Z)
• Beyond the Tip of the Iceberg: Assessing Coherence of Text Classifiers [0.05857406612420462]
  大規模で事前訓練された言語モデルは、既存の言語理解タスクにおいて人間のレベルと超人的精度を達成する。 予測コヒーレンスの新しい尺度による評価システムを提案する。
  論文  参考訳（メタデータ） (2021-09-10T15:04:23Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)

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。