論文の概要: WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning
for Emotion Classification and Empathy Prediction
- arxiv url: http://arxiv.org/abs/2104.09827v1
- Date: Tue, 20 Apr 2021 08:24:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-21 13:44:01.912788
- Title: WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning
for Emotion Classification and Empathy Prediction
- Title（参考訳）: WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning for Emotion Classification and Empathy Prediction (英語)
- Authors: Jay Mundra, Rohan Gupta, Sagnik Mukherjee
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper describes our contribution to the WASSA 2021 shared task on
Empathy Prediction and Emotion Classification. The broad goal of this task was
to model an empathy score, a distress score and the overall level of emotion of
an essay written in response to a newspaper article associated with harm to
someone. We have used the ELECTRA model abundantly and also advanced deep
learning approaches like multi-task learning. Additionally, we also leveraged
standard machine learning techniques like ensembling. Our system achieves a
Pearson Correlation Coefficient of 0.533 on sub-task I and a macro F1 score of
0.5528 on sub-task II. We ranked 1st in Emotion Classification sub-task and 3rd
in Empathy Prediction sub-task
- Abstract（参考訳）: 本稿では,共感予測と感情分類に関するWASSA 2021共有課題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。
我々はELECTRAモデルを多用しており、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用いている。
さらに、ensemblingのような標準的な機械学習技術も活用しました。
本システムは,サブタスクIにおけるピアソン相関係数0.533,サブタスクIIにおけるマクロF1スコア0.5528を達成する。
感情分類サブタスク第1位,共感予測サブタスク第3位
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) - 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) - 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) - Empathy and Distress Detection using Ensembles of Transformer Models [0.0]
本稿では,WASSA 2023共感・感情・パーソナリティ共有タスクへのアプローチについて述べる。
自然言語処理において、共感と悲惨な検出が重要な課題である。
Pearsonのrスコアは0.346で、共感と悲惨な検出のサブタスクでは3位です。
論文 参考訳（メタデータ） (2023-12-05T08:50:34Z) - Large Language Models Understand and Can be Enhanced by Emotional
Stimuli [53.53886609012119]
我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。
実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。
EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
論文 参考訳（メタデータ） (2023-07-14T00:57:12Z) - Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on
Data-Driven Deep Learning [70.30713251031052]
本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。
実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
論文 参考訳（メタデータ） (2022-06-15T01:25:32Z) - Leveraging Emotion-specific Features to Improve Transformer Performance
for Emotion Classification [0.0]
本稿では,チームPVGs AI ClubによるWASSA 2022における感情分類共有タスクへのアプローチについて述べる。
このトラック2のサブタスクは、ニュース記事のエッセイに基づいてマルチクラスの感情ラベルを予測できるモデルの構築に焦点を当てている。
論文 参考訳（メタデータ） (2022-04-30T14:36:04Z) - EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。
変圧器事前学習言語モデル(T5)に基づく手法を提案する。
本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
論文 参考訳（メタデータ） (2021-10-30T19:04:48Z) - Team Phoenix at WASSA 2021: Emotion Analysis on News Stories with
Pre-Trained Language Models [1.6536018920603175]
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。
論文 参考訳（メタデータ） (2021-03-10T14:00:54Z) - 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) - Emotion Carrier Recognition from Personal Narratives [74.24768079275222]
パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。
感情キャリア認識(ECR)のための新しい課題を提案する。
論文 参考訳（メタデータ） (2020-08-17T17:16:08Z)
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。