論文の概要: Team Phoenix at WASSA 2021: Emotion Analysis on News Stories with
Pre-Trained Language Models
- arxiv url: http://arxiv.org/abs/2103.06057v1
- Date: Wed, 10 Mar 2021 14:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 15:42:18.800803
- Title: Team Phoenix at WASSA 2021: Emotion Analysis on News Stories with
Pre-Trained Language Models
- Title（参考訳）: チームフェニックス - WASSA 2021: 事前学習された言語モデルによるニュース記事の感情分析
- Authors: Yash Butala, Kanishk Singh, Adarsh Kumar and Shrey Shrivastava
- Abstract要約: WASSA 2021共有タスクのシステムエントリーについて説明します。
提案モデルは,平均ピアソンスコア0.417,マクロf1スコア0.502をトラック1とトラック2で達成した。
- 参考スコア（独自算出の注目度）: 1.6536018920603175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotion is fundamental to humanity. The ability to perceive, understand and
respond to social interactions in a human-like manner is one of the most
desired capabilities in artificial agents, particularly in social-media bots.
Over the past few years, computational understanding and detection of emotional
aspects in language have been vital in advancing human-computer interaction.
The WASSA Shared Task 2021 released a dataset of news-stories across two
tracks, Track-1 for Empathy and Distress Prediction and Track-2 for
Multi-Dimension Emotion prediction at the essay-level. We describe our system
entry for the WASSA 2021 Shared Task (for both Track-1 and Track-2), where we
leveraged the information from Pre-trained language models for Track-specific
Tasks. Our proposed models achieved an Average Pearson Score of 0.417 and a
Macro-F1 Score of 0.502 in Track 1 and Track 2, respectively. In the Shared
Task leaderboard, we secured 4th rank in Track 1 and 2nd rank in Track 2.
- Abstract（参考訳）: 感情は人類の基本である。
人間のような方法で社会的相互作用を認識し、理解し、応答する能力は、特にソーシャルメディアボットにおいて、人工エージェントで最も望ましい能力の1つです。
過去数年間、言語における感情的側面の計算的理解と検出は、人間とコンピュータの相互作用の進歩に不可欠であった。
WASSA Shared Task 2021は2つのトラック、Track-1 for EmpathyとDistress PredictionとTrack-2 for Multi-Dimension Emotion Predictionをエッセイレベルでリリースした。
我々は、wasa 2021共有タスク(トラック1とトラック2の両方)のシステムエントリについて説明し、トラック固有のタスクのために事前訓練された言語モデルからの情報を活用した。
提案モデルは,平均ピアソンスコア0.417,マクロf1スコア0.502をトラック1とトラック2で達成した。
共有タスクリーダーボードでは、トラック1で4位、トラック2で2位を確保しました。
関連論文リスト
- Towards More Accurate Prediction of Human Empathy and Emotion in Text and Multi-turn Conversations by Combining Advanced NLP, Transformers-based Networks, and Linguistic Methodologies [0.0]
我々はエッセイに表される共感的関心と個人的な苦悩のレベルを予測する。
WASSA 2022の共感検出と感情分類の共有タスクに基づいて、フィードフォワードニューラルネットワークを実装した。
最終段階の一部として、これらのアプローチは、インタラクションにおける共感感情とパーソナリティ検出の共有タスクに適応した。
論文 参考訳（メタデータ） (2024-07-26T04:01:27Z) - 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) - PetKaz at SemEval-2024 Task 3: Advancing Emotion Classification with an LLM for Emotion-Cause Pair Extraction in Conversations [4.463184061618504]
我々はSemEval-2023タスク3「会話におけるマルチモーダル感情原因分析の競争」に応募する。
我々のアプローチは感情分類のための微調整GPT-3.5と、原因を検出するためのBiLSTMベースのニューラルネットワークの組み合わせに依存している。
論文 参考訳（メタデータ） (2024-04-08T13:25:03Z) - Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。
提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
論文 参考訳（メタデータ） (2023-12-26T18:56:49Z) - Bag of Tricks for Effective Language Model Pretraining and Downstream
Adaptation: A Case Study on GLUE [93.98660272309974]
このレポートでは、ジェネラル言語理解評価のリーダーボードに関するVega v1を簡潔に紹介します。
GLUEは、質問応答、言語受容性、感情分析、テキスト類似性、パラフレーズ検出、自然言語推論を含む9つの自然言語理解タスクのコレクションである。
最適化された事前学習と微調整の戦略により、13億のモデルは4/9タスクに新しい最先端のタスクを設定し、91.3の平均スコアを達成しました。
論文 参考訳（メタデータ） (2023-02-18T09:26:35Z) - BJTU-WeChat's Systems for the WMT22 Chat Translation Task [66.81525961469494]
本稿では,WMT'22チャット翻訳タスクに対して,北京地東大学とWeChat AIを共同で提案する。
Transformerに基づいて、いくつかの有効な変種を適用します。
本システムでは,0.810と0.946のCOMETスコアを達成している。
論文 参考訳（メタデータ） (2022-11-28T02:35:04Z) - WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning
for Emotion Classification and Empathy Prediction [0.0]
本稿では,共感予測と感情分類に関するWASSA 2021共有タスクへの貢献について述べる。
このタスクの幅広い目標は、誰かへの危害に関連する新聞記事に反応して書かれたエッセイの共感スコア、苦難スコア、全体的な感情レベルをモデル化することであった。
ELECTRAモデルを豊富に使用し、マルチタスク学習のような高度なディープラーニングアプローチも提供しています。
論文 参考訳（メタデータ） (2021-04-20T08:24:10Z) - PVG at WASSA 2021: A Multi-Input, Multi-Task, Transformer-Based
Architecture for Empathy and Distress Prediction [0.0]
本稿では,共感スコア予測のためのマルチ入力マルチタスクフレームワークを提案する。
ストレススコア予測タスクでは、語彙的特徴の追加によってシステムが強化される。
私たちの提出は、平均相関(0.545)と苦痛相関(0.574)、共感的ピアソン相関(0.517)に基づいて1$st$をランク付けしました。
論文 参考訳（メタデータ） (2021-03-04T20:12:25Z) - NEMO: Frequentist Inference Approach to Constrained Linguistic Typology
Feature Prediction in SIGTYP 2020 Shared Task [83.43738174234053]
タイプ的特徴間の相関関係を表現するために頻繁な推論を用い、この表現を用いて、個々の特徴を予測する単純なマルチクラス推定器を訓練する。
テスト言語149言語に対して,マイクロ平均精度0.66を達成できた。
論文 参考訳（メタデータ） (2020-10-12T19:25:43Z) - WOLI at SemEval-2020 Task 12: Arabic Offensive Language Identification
on Different Twitter Datasets [0.0]
ソーシャルメディア上で攻撃的言語と戦うための鍵は、自動攻撃的言語検出システムの存在である。
本稿では,Macro-F1 86.9%の52人中10位にランクインした共有タスクに対して,WideBot AI Labが提出したシステムについて述べる。
また、CNN、ハイウェイネットワーク、Bi-LSTM、アテンション層を含むシステムの予測能力を向上するニューラルネットワークアプローチも導入しました。
論文 参考訳（メタデータ） (2020-09-11T14:10:03Z) - It Is Not the Journey but the Destination: Endpoint Conditioned
Trajectory Prediction [59.027152973975575]
フレキシブルな人間の軌道予測のための予測条件付きネットワーク(PECNet)を提案する。
PECNetは長距離マルチモーダル軌道予測を支援するために遠方のエンドポイントを推論する。
我々は、PECNetがスタンフォードドローン軌道予測ベンチマークの最先端性能を20.9%改善し、ETH/UCYベンチマークの40.8%向上したことを示す。
論文 参考訳（メタデータ） (2020-04-04T21:27:13Z)
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。