Fugu-MT 論文翻訳(概要): Transfer Learning for Low-Resource Sentiment Analysis

論文の概要: Transfer Learning for Low-Resource Sentiment Analysis

arxiv url: http://arxiv.org/abs/2304.04703v1
Date: Mon, 10 Apr 2023 16:44:44 GMT
ステータス: 処理完了
システム内更新日: 2023-04-11 14:12:43.044449
Title: Transfer Learning for Low-Resource Sentiment Analysis
Title（参考訳）: 低リソース感性分析のための伝達学習
Authors: Razhan Hameed and Sina Ahmadi and Fatemeh Daneshfar
Abstract要約: 本稿では,中央クルド人の感情分析のためのデータセットの収集とアノテーションについて述べる。このタスクのために、古典的な機械学習とニューラルネットワークベースのテクニックをいくつか探求する。
参考スコア（独自算出の注目度）: 1.2891210250935146
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Sentiment analysis is the process of identifying and extracting subjective information from text. Despite the advances to employ cross-lingual approaches in an automatic way, the implementation and evaluation of sentiment analysis systems require language-specific data to consider various sociocultural and linguistic peculiarities. In this paper, the collection and annotation of a dataset are described for sentiment analysis of Central Kurdish. We explore a few classical machine learning and neural network-based techniques for this task. Additionally, we employ an approach in transfer learning to leverage pretrained models for data augmentation. We demonstrate that data augmentation achieves a high F$_1$ score and accuracy despite the difficulty of the task.
Abstract（参考訳）: 感性分析は、テキストから主観的情報を識別し抽出するプロセスである。言語横断的アプローチを自動的に採用する進歩にもかかわらず、感情分析システムの実装と評価には、様々な社会文化的・言語学的特徴を考慮した言語固有のデータが必要である。本稿では,中央クルド人の感情分析のためのデータセットの収集とアノテーションについて述べる。このタスクのために、古典的な機械学習とニューラルネットワークベースのテクニックをいくつか探求する。さらに,データ拡張のための事前学習モデルを活用するために,転送学習のアプローチを採用している。データ拡張はタスクの難易度にもかかわらず高いf$_1$スコアと精度を達成することを実証する。

関連論文リスト

Evaluating and explaining training strategies for zero-shot cross-lingual news sentiment analysis [8.770572911942635]
いくつかの低リソース言語で新しい評価データセットを導入する。我々は、機械翻訳の使用を含む、様々なアプローチを実験する。言語間の相似性は言語間移動の成功を予測するのに十分ではないことを示す。
論文参考訳（メタデータ） (2024-09-30T07:59:41Z)
Uzbek Sentiment Analysis based on local Restaurant Reviews [0.0]
本稿では,ウズベキスタン語に対する感情分析データセットとして,レストランレビューデータを収集する作業について述べる。本論文は,データの収集方法,品質最適化のための事前処理方法,評価プロセスの実験的な設定について,詳細な情報を含む。
論文参考訳（メタデータ） (2022-05-31T16:21:00Z)
Cross-lingual Lifelong Learning [53.06904052325966]
本稿では,言語間連続学習(CCL)の評価パラダイムを提案する。マルチリンガルなシーケンシャルな学習を特に難しいものにするための洞察を提供する。この分析の意味は、異なる言語間連続学習のデシダータを測り、バランスをとる方法のレシピを含む。
論文参考訳（メタデータ） (2022-05-23T09:25:43Z)
A Dataset and BERT-based Models for Targeted Sentiment Analysis on Turkish Texts [0.0]
対象感情分析に適した注釈付きトルコ語データセットを提案する。目標感情分析の課題を達成するために,異なるアーキテクチャのBERTモデルを提案する。
論文参考訳（メタデータ） (2022-05-09T10:57:39Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
論文参考訳（メタデータ） (2021-06-11T20:15:21Z)
Improving Cross-Lingual Reading Comprehension with Self-Training [62.73937175625953]
現在の最新モデルは、いくつかのベンチマークで人間のパフォーマンスを上回っています。前作では、ゼロショットのクロスリンガル読解のための事前訓練された多言語モデルの能力を明らかにしている。本稿では,ラベルのないデータを利用して性能を向上する。
論文参考訳（メタデータ） (2021-05-08T08:04:30Z)
Semantic Sentiment Analysis Based on Probabilistic Graphical Models and Recurrent Neural Network [0.0]
本研究の目的は,確率的グラフィカルモデルとリカレントニューラルネットワークに基づく感情分析を行うためのセマンティクスの利用を検討することである。実験で使用されたデータセットは、IMDB映画レビュー、Amazon Consumer Product Review、Twitter Reviewデータセットである。
論文参考訳（メタデータ） (2020-08-06T11:59:00Z)
Data Augmentation for Spoken Language Understanding via Pretrained Language Models [113.56329266325902]
音声言語理解(SLU)モデルの訓練は、しばしばデータ不足の問題に直面している。我々は,事前学習言語モデルを用いたデータ拡張手法を提案し,生成した発話の変動性と精度を向上した。
論文参考訳（メタデータ） (2020-04-29T04:07:12Z)
Sentence Level Human Translation Quality Estimation with Attention-based Neural Networks [0.30458514384586394]
本稿では,人間の翻訳品質の自動推定にDeep Learning法を用いる方法について検討する。大規模な人間の注釈付きデータセットの実証結果は、ニューラルモデルが特徴に基づく手法を大幅に上回っていることを示している。
論文参考訳（メタデータ） (2020-03-13T16:57:55Z)
Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [64.22926988297685]
下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
論文参考訳（メタデータ） (2019-10-23T17:37:36Z)

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。