論文の概要: Overview of the Arabic Sentiment Analysis 2021 Competition at KAUST

• arxiv url: http://arxiv.org/abs/2109.14456v1
• Date: Wed, 29 Sep 2021 14:41:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-30 15:02:15.235934
• Title: Overview of the Arabic Sentiment Analysis 2021 Competition at KAUST
• Title（参考訳）: KAUSTにおけるアラビア語知覚分析2021コンペティションの概要
• Authors: Hind Alamro, Manal Alshehri, Basma Alharbi, Zuhair Khayyat, Manal Kalkatawi, Inji Ibrahim Jaber, Xiangliang Zhang
• Abstract要約: 本稿では,King Abdullah University of Science and Technology(KAUST)が主催するアラビア語知覚分析チャレンジの概要について述べる。 課題は、与えられたツイートをポジティブ、ネガティブ、中立の3つのカテゴリの1つに分類する機械学習モデルを開発することである。 本稿では,トップクラスのチームで使用される手法とツールをまとめた。
• 参考スコア（独自算出の注目度）: 22.17427488246146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper provides an overview of the Arabic Sentiment Analysis Challenge organized by King Abdullah University of Science and Technology (KAUST). The task in this challenge is to develop machine learning models to classify a given tweet into one of the three categories Positive, Negative, or Neutral. From our recently released ASAD dataset, we provide the competitors with 55K tweets for training, and 20K tweets for validation, based on which the performance of participating teams are ranked on a leaderboard, https://www.kaggle.com/c/arabic-sentiment-analysis-2021-kaust. The competition received in total 1247 submissions from 74 teams (99 team members). The final winners are determined by another private set of 20K tweets that have the same distribution as the training and validation set. In this paper, we present the main findings in the competition and summarize the methods and tools used by the top ranked teams. The full dataset of 100K labeled tweets is also released for public usage, at https://www.kaggle.com/c/arabic-sentiment-analysis-2021-kaust/data.
• Abstract（参考訳）: 本稿では,King Abdullah University of Science and Technology(KAUST)が主催するアラビア語知覚分析チャレンジの概要を紹介する。 この課題の課題は、与えられたツイートをポジティブ、ネガティブ、ニュートラルの3つのカテゴリの1つに分類する機械学習モデルを開発することである。 最近リリースしたASADデータセットから、トレーニング用の55Kツイート、検証用の20Kツイート、参加チームのパフォーマンスをリーダーボードにランク付けするhttps://www.kaggle.com/c/arabic-sentiment-analysis-2021-kaustに基づいて、競合他社に提供します。 この競技会は74チーム(99チーム)から合計1247の応募を受けた。 最終的な勝者は、トレーニングと検証セットと同じ分布を持つ20Kツイートの別のプライベートセットによって決定される。 本稿では,コンペティションにおける主な知見を述べるとともに,上位のチームが使用する手法とツールについて概説する。 100Kラベル付きツイートの全データセットも、https://www.kaggle.com/c/arabic-sentiment-analysis-2021-kaust/dataで公開されている。

関連論文リスト

• AIM 2024 Challenge on Video Saliency Prediction: Methods and Results [105.09572982350532]
  本稿では,AIM 2024におけるビデオ・サリエンシ予測の課題について概説する。 参加者の目標は、提供されたビデオシーケンスのセットに対して正確な精度マップを予測する方法を開発することであった。
  論文  参考訳（メタデータ） (2024-09-23T08:59:22Z)
• [Call for Papers] The 2nd BabyLM Challenge: Sample-efficient pretraining on a developmentally plausible corpus [81.34965784440176]
  このCfPはBabyLM Challenge 2024-2025のルールを提供する。 課題の全体的目標は同じままです。 私たちは緩い線を紙の線で置き換える。 事前学習に関するルールを緩和します。 マルチモーダル・ヴィジュアル・アンド・ランゲージ・トラックを導入する。
  論文  参考訳（メタデータ） (2024-04-09T11:04:50Z)
• ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich Document Images [198.35937007558078]
  大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。 トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。 提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
  論文  参考訳（メタデータ） (2023-06-05T22:20:52Z)
• ICDAR 2023 Competition on Hierarchical Text Detection and Recognition [60.68100769639923]
  このコンペティションは、テキストの検出と認識を共同で行うディープラーニングモデルとシステムの研究を促進することを目的としている。 提案するコンペティション組織の詳細について,タスク,データセット,評価,スケジュールなどを紹介する。 大会期間中(2023年1月2日から2023年4月1日まで)、20チーム以上から少なくとも50人が提案された2つのタスクで応募された。
  論文  参考訳（メタデータ） (2023-05-16T18:56:12Z)
• NTIRE 2021 Multi-modal Aerial View Object Classification Challenge [88.89190054948325]
  CVPR の NTIRE 2021 ワークショップと共同で,MAVOC (Multi-modal Aerial View Object Classification) の最初の挑戦を紹介した。 この課題は、EOとSAR画像を用いた2つの異なるトラックで構成されている。 本コンペティションで提案した最上位の手法について検討し,その成果を目視テストセットで評価する。
  論文  参考訳（メタデータ） (2021-07-02T16:55:08Z)
• Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
  ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
  論文  参考訳（メタデータ） (2021-06-14T11:30:19Z)
• Global Road Damage Detection: State-of-the-art Solutions [0.0]
  本稿では,2020年のIEEE International Conference on Big Dataの一部として組織されたビッグデータカップであるGlobal Road damage Detection Challenge(GRDDC)を要約する。 このデータは、インド、日本、チェコ共和国から収集された26336枚の道路画像から成り、道路損傷を自動的に検出する方法を提案する。 論文は、提示された課題と将来の課題で改善される可能性のある課題に対して、うまく機能するファセットのレビューで締めくくっている。
  論文  参考訳（メタデータ） (2020-11-17T16:19:02Z)
• ASAD: A Twitter-based Benchmark Arabic Sentiment Analysis Dataset [15.496483260323652]
  本稿では,アラビア感性分析(ASAD)のための新しいTwitterベースのベンチマークデータセットについて詳述する。 KAUSTが主催するコンペティション3では、それぞれ1位と2位と3位に10000 USD、5000 USD、2000 USDが贈られる。
  論文  参考訳（メタデータ） (2020-11-01T18:03:22Z)
• Not-NUTs at W-NUT 2020 Task 2: A BERT-based System in Identifying Informative COVID-19 English Tweets [0.0]
  本稿では、英語のつぶやきを前提として、そのツイートがCOVID-19に関する情報的内容を持つかどうかを自動的に識別するモデルを提案する。 インフォメーションクラスにおけるF1スコアの約1%は、トップパフォーマンスチームによる結果にしか影響しない競争的な結果を達成しました。
  論文  参考訳（メタデータ） (2020-09-14T15:49:16Z)
• The ASHRAE Great Energy Predictor III competition: Overview and results [0.5155171850181773]
  2019年後半、ASHRAEはカグルプラットフォーム上でGEPIII(Great Energy Predictor III)機械学習コンペティションを開催した。 本稿では,競争準備とデータセットについて概観する。 参加者は4,370人で、94カ国の3,614チームが39,403件の予測を提出した。
  論文  参考訳（メタデータ） (2020-07-14T09:41:36Z)

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。