Fugu-MT 論文翻訳(概要): nlpBDpatriots at BLP-2023 Task 2: A Transfer Learning Approach to Bangla Sentiment Analysis

論文の概要: nlpBDpatriots at BLP-2023 Task 2: A Transfer Learning Approach to Bangla Sentiment Analysis

arxiv url: http://arxiv.org/abs/2311.15032v1
Date: Sat, 25 Nov 2023 13:58:58 GMT
ステータス: 処理完了
システム内更新日: 2023-11-29 22:19:07.543149
Title: nlpBDpatriots at BLP-2023 Task 2: A Transfer Learning Approach to Bangla Sentiment Analysis
Title（参考訳）: NlpBDpatriots at BLP-2023 Task 2: A Transfer Learning Approach to Bangla Sentiment Analysis
Authors: Dhiman Goswami, Md Nishat Raihan, Sadiya Sayara Chowdhury Puspo, Marcos Zampieri
Abstract要約: 本稿では,Bangla Social Media Postsの感性分析における共有タスクへのnlpBDpatriots導入について論じる。このタスクの主な目的は、ポジティブ、中立、ネガティブなラベルでアノテートされたBanglaデータセットを用いて、ソーシャルメディアコンテンツの極性を特定することである。私たちのベストシステムは、この競技に参加した30チームの中で12位でした。
参考スコア（独自算出の注目度）: 7.3481279783709805
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we discuss the nlpBDpatriots entry to the shared task on Sentiment Analysis of Bangla Social Media Posts organized at the first workshop on Bangla Language Processing (BLP) co-located with EMNLP. The main objective of this task is to identify the polarity of social media content using a Bangla dataset annotated with positive, neutral, and negative labels provided by the shared task organizers. Our best system for this task is a transfer learning approach with data augmentation which achieved a micro F1 score of 0.71. Our best system ranked 12th among 30 teams that participated in the competition.
Abstract（参考訳）: 本稿では,Bangla Language Processing (BLP) とEMNLPを併用した第1回ワークショップにおいて,Bangla Social Media Posts の感性分析に関する共有タスクへのnlpBDpatriots導入について論じる。本課題の主な目的は,共有タスクオーガナイザが提供した肯定的,中立的,否定的なラベルを付加したBanglaデータセットを用いて,ソーシャルメディアコンテンツの極性を特定することである。このタスクのための最良のシステムは、マイクロF1スコアの0.71を達成したデータ拡張によるトランスファーラーニングアプローチである。私たちのベストシステムは、競技に参加した30チームの中で12位でした。

関連論文リスト

nlpBDpatriots at BLP-2023 Task 1: A Two-Step Classification for Violence Inciting Text Detection in Bangla [7.3481279783709805]
本稿では、VITD(Violence Inciting Text Detection)における共有タスクへのnlpBDpatriotsエントリについて論じる。この任務の目的は、より違法な暴力行為を引き起こす暴力的脅威を特定し分類することである。このタスクの最も優れたアプローチは、マクロF1スコア0.74の27チーム中6位である、後方翻訳と多言語性を用いた2段階の分類である。
論文参考訳（メタデータ） (2023-11-25T13:47:34Z)
LowResource at BLP-2023 Task 2: Leveraging BanglaBert for Low Resource Sentiment Analysis of Bangla Language [0.5922488908114022]
本稿では,BLP-2023のタスク2におけるLowResource Teamのシステムについて述べる。さまざまなソーシャルメディアプラットフォームからの公開投稿とコメントからなるデータセットで感情分析を行う。我々の主な目的は、Bangla corpusで事前訓練されたBERTモデルであるBanglaBertを利用することです。
論文参考訳（メタデータ） (2023-11-21T17:21:15Z)
BLP-2023 Task 2: Sentiment Analysis [7.725694295666573]
本稿では,第1回BLP2023ワークショップの一環として編成されたBLP知覚共有タスクの概要を紹介する。このタスクは、ソーシャルメディアのテキストの特定の部分における感情の検出として定義される。本稿では,データセット開発と評価設定を含むタスク設定の詳細な説明を行う。
論文参考訳（メタデータ） (2023-10-24T21:00:41Z)
RSM-NLP at BLP-2023 Task 2: Bangla Sentiment Analysis using Weighted and Majority Voted Fine-Tuned Transformers [2.048226951354646]
本稿では,BLP Workshop - Sentiment Analysis of Bangla Social Media Postsで行った投稿に対するアプローチについて述べる。マルチクラス分類タスクでは0.711, 共有タスクでは10位となった。
論文参考訳（メタデータ） (2023-10-22T10:55:56Z)
NICE: Improving Panoptic Narrative Detection and Segmentation with Cascading Collaborative Learning [77.95710025273218]
我々は2つの単視的物語認識タスクを共同で学習できるNICEという統合フレームワークを提案する。 PNSとPNDを連接してセグメンテーションのバリ中心をアンカーとすることで、我々のアプローチは2つのタスクを自然に整列させる。 NICEは既存のすべての手法を大差で上回り、PNDは4.1%、PNSは2.9%となっている。
論文参考訳（メタデータ） (2023-10-17T03:42:12Z)
Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文参考訳（メタデータ） (2022-11-02T01:42:20Z)
Heterogeneous Federated Learning via Grouped Sequential-to-Parallel Training [60.892342868936865]
フェデレートラーニング(Federated Learning, FL)は、プライバシ保護のためのコラボレーション機械学習パラダイムである。本稿では,この課題に対処するため,データヘテロジニアス・ロバストFLアプローチであるFedGSPを提案する。その結果,FedGSPは7つの最先端アプローチと比較して平均3.7%の精度向上を実現していることがわかった。
論文参考訳（メタデータ） (2022-01-31T03:15:28Z)
Dimsum @LaySumm 20: BART-based Approach for Scientific Document Summarization [50.939885303186195]
BARTモデルに基づくレイサマリー生成システムを構築した。文ラベルを余分な監視信号として活用し、レイ・サマリゼーションの性能を向上させる。
論文参考訳（メタデータ） (2020-10-19T06:36:11Z)
SemEval-2020 Task 10: Emphasis Selection for Written Text in Visual Media [50.29389719723529]
本稿では,SemEval-2020 Task 10, Emphasis Selection for Written Text in Visual Media の主な成果とその結果を比較した。この共有タスクの目的は、強調選択のための自動メソッドを設計することである。タスクに送信されたシステムの解析は、BERTとRoBERTaが、トレーニング済みモデルの最も一般的な選択であることを示している。
論文参考訳（メタデータ） (2020-08-07T17:24:53Z)
Reed at SemEval-2020 Task 9: Fine-Tuning and Bag-of-Words Approaches to Code-Mixed Sentiment Analysis [1.2147145617662432]
本研究では,SemEval-2020 大会第9タスク(SentiMix タスク)の参加者として,Hinglish (code-mixed Hindi- English) ツイートに対する感情分析の課題について検討する。提案手法は,(1)事前学習したBERTモデルの微調整によるトランスファーラーニングの適用,2)単語のバッグ・オブ・ワード表現に基づくフィードフォワードニューラルネットワークのトレーニング,の2つであった。コンペの結果,Fスコアは71.3%,ベストモデルでは62項目中4位にランクインした。
論文参考訳（メタデータ） (2020-07-26T05:48:46Z)
Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文参考訳（メタデータ） (2020-04-28T11:27:24Z)

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。