Fugu-MT 論文翻訳(概要): A Generic NLI approach for Classification of Sentiment Associated with Therapies

論文の概要: A Generic NLI approach for Classification of Sentiment Associated with Therapies

arxiv url: http://arxiv.org/abs/2312.03737v1
Date: Tue, 28 Nov 2023 13:27:21 GMT
ステータス: 処理完了
システム内更新日: 2023-12-11 03:11:09.690938
Title: A Generic NLI approach for Classification of Sentiment Associated with Therapies
Title（参考訳）: 治療に伴う感情分類のための汎用的nliアプローチ
Authors: Rajaraman Kanagasabai and Anitha Veeramani
Abstract要約: 我々は、自然言語推論(NLI)に基づく手法を採用し、このタスクを文対分類問題として定式化する。我々のベストモデルは75.22%のF1スコアを獲得し、これは全チームの平均(中間)スコアよりも11%(4%)多かった。
参考スコア（独自算出の注目度）: 0.559442100941383
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper describes our system for addressing SMM4H 2023 Shared Task 2 on "Classification of sentiment associated with therapies (aspect-oriented)". In our work, we adopt an approach based on Natural language inference (NLI) to formulate this task as a sentence pair classification problem, and train transformer models to predict sentiment associated with a therapy on a given text. Our best model achieved 75.22\% F1-score which was 11\% (4\%) more than the mean (median) score of all teams' submissions.
Abstract（参考訳）: 本稿では,SMM4H 2023共有タスク2の「治療(アスペクト指向)に関する感情の分類」について述べる。本研究では,自然言語推論(nli)に基づく手法を適用し,文対分類問題としてタスクを定式化し,与えられたテキストに対するセラピーに関連する感情を予測するトランスフォーマーモデルを訓練する。最善のモデルは75.22\% f1-scoreで、全チームの提出した平均スコア(中間点)よりも11\% (4\%)高かった。

関連論文リスト

Evaluating the IWSLT2023 Speech Translation Tasks: Human Annotations, Automatic Metrics, and Segmentation [50.60733773088296]
音声言語翻訳国際ワークショップ(IWSLT 2023)における共有タスクの結果を総合的に評価する。本稿では,セグメントコンテキストによる自動回帰と直接評価に基づく効果的な評価戦略を提案する。分析の結果,1) 提案した評価戦略は頑健であり,他の種類の人的判断とよく相関している,2) 自動測定基準は通常,必ずしも直接評価スコアとよく関連しているわけではない,3) COMET は chrF よりもわずかに強い自動測定基準である,といった結果を得た。
論文参考訳（メタデータ） (2024-06-06T09:18:42Z)
NLU-STR at SemEval-2024 Task 1: Generative-based Augmentation and Encoder-based Scoring for Semantic Textual Relatedness [0.5461938536945721]
SemEval-2024の共有タスクであるSemRel-2024は、意味的関連性タスクのギャップを減らすことを目的としている。本稿では,トラックA(アルジェリア方言とモロッコ方言)とトラックB(現代標準アラビア語)への参加について報告する。スピアマン相関スコア0.49のSemRel-2024で1位となった。
論文参考訳（メタデータ） (2024-05-01T17:44:05Z)
USTHB at NADI 2023 shared task: Exploring Preprocessing and Feature Engineering Strategies for Arabic Dialect Identification [0.0]
本研究では,表面前処理,形態前処理,FastTextベクトルモデル,TF-IDF特性の重み付け結合の影響について検討する。評価段階では,F1スコアが62.51%となる,注目すべき結果が得られた。
論文参考訳（メタデータ） (2023-12-16T20:23:53Z)
Text Augmentations with R-drop for Classification of Tweets Self Reporting Covid-19 [28.91836510067532]
本稿では,ソーシャル・メディア・マイニング・フォー・ヘルス2023共有タスクのためのモデルを提案する。我々のアプローチは、多種多様なテキスト拡張を取り入れた分類モデルである。テストセットのF1スコアは0.877である。
論文参考訳（メタデータ） (2023-11-06T14:18:16Z)
tmn at #SMM4H 2023: Comparing Text Preprocessing Techniques for Detecting Tweets Self-reporting a COVID-19 Diagnosis [1.8492669447784602]
本稿では,SMM4H 2023におけるタスク1のために開発されたシステムについて述べる。このタスクの目的は、新型コロナウイルス(COVID-19)の診断を自己報告するツイートと、そうでないツイートを自動的に区別することだ。
論文参考訳（メタデータ） (2023-11-01T07:41:23Z)
Text Classification via Large Language Models [63.1874290788797]
テキスト分類に関わる複雑な言語現象に対処するために、Clue And Reasoning Prompting (CARP)を導入する。注目すべきは、CARPが5つの広く使用されているテキスト分類ベンチマークのうち4つで新しいSOTAパフォーマンスを得ることだ。さらに重要なのは、CARPが低リソースとドメイン適応のセットアップで素晴らしい能力を提供します。
論文参考訳（メタデータ） (2023-05-15T06:24:45Z)
Enabling Classifiers to Make Judgements Explicitly Aligned with Human Values [73.82043713141142]
性差別/人種差別の検出や毒性検出などの多くのNLP分類タスクは、人間の値に基づいている。本稿では,コマンド内で明示的に記述された人間の値に基づいて予測を行う,値整合型分類のためのフレームワークを提案する。
論文参考訳（メタデータ） (2022-10-14T09:10:49Z)
RuArg-2022: Argument Mining Evaluation [69.87149207721035]
本稿は、ロシア語テキストを扱う議論分析システムの最初のコンペティションの主催者の報告である。新型コロナウイルスの感染拡大に伴う3つの話題について、9,550文(ソーシャルメディア投稿記事)のコーパスを用意した。両タスクで第一位を獲得したシステムは、BERTアーキテクチャのNLI(Natural Language Inference)変種を使用した。
論文参考訳（メタデータ） (2022-06-18T17:13:37Z)
Distant finetuning with discourse relations for stance classification [55.131676584455306]
そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
論文参考訳（メタデータ） (2022-04-27T04:24:35Z)
DisCoDisCo at the DISRPT2021 Shared Task: A System for Discourse Segmentation, Classification, and Connective Detection [4.371388370559826]
我々のシステムはDisCoDisCoと呼ばれ、コンテキスト化された単語の埋め込みを手作りの機能で強化する。関係分類の結果は、新しい2021ベンチマークで強い性能を示している。複数の事前学習されたトランスフォーマーベース言語モデルの部分評価は、Next Sentence Predictionタスクで事前学習されたモデルが関係分類に最適であることを示している。
論文参考訳（メタデータ） (2021-09-20T18:11:05Z)
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文参考訳（メタデータ） (2020-10-13T21:33:24Z)

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。