Fugu-MT 論文翻訳(概要): Few-shot text-based emotion detection

論文の概要: Few-shot text-based emotion detection

arxiv url: http://arxiv.org/abs/2507.05918v1
Date: Tue, 08 Jul 2025 12:03:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-09 16:34:38.033114
Title: Few-shot text-based emotion detection
Title（参考訳）: テキストによる感情検出
Authors: Teodor-George Marchitan, Claudiu Creanga, Liviu P. Dinu,
Abstract要約: 本稿では,セムエスバル2025ワークショップ「タスク11:テキストベース感情検出におけるギャップを埋める」に取り組むUnibuc-NLPチームのアプローチについて述べる。主に、大規模な言語モデル(Gemini、Qwen、DeepSeek)を使った、数発のプロンプトや微調整による実験に重点を置いています。
参考スコア（独自算出の注目度）: 4.373647283459287
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes the approach of the Unibuc - NLP team in tackling the SemEval 2025 Workshop, Task 11: Bridging the Gap in Text-Based Emotion Detection. We mainly focused on experiments using large language models (Gemini, Qwen, DeepSeek) with either few-shot prompting or fine-tuning. With our final system, for the multi-label emotion detection track (track A), we got an F1-macro of $0.7546$ (26/96 teams) for the English subset, $0.1727$ (35/36 teams) for the Portuguese (Mozambican) subset and $0.325$ (\textbf{1}/31 teams) for the Emakhuwa subset.
Abstract（参考訳）: 本稿では,セムエスバル2025ワークショップ「タスク11:テキストベース感情検出におけるギャップを埋める」に取り組むUnibuc-NLPチームのアプローチについて述べる。主に、大規模な言語モデル(Gemini、Qwen、DeepSeek)を使った、数発のプロンプトや微調整による実験に重点を置いています。最終的なシステムでは、英語サブセットが0.7546$(26/96チーム)、ポルトガル語(モザンビーク)サブセットが0.1727$(35/36チーム)、エマフワサブセットが0.325$(\textbf{1}/31チーム)のF1マクロを入手しました。

関連論文リスト

SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detection [76.18321723846616]
タスクは7つの異なる言語ファミリーから30以上の言語をカバーしている。データインスタンスは6つの感情クラスでマルチラベルされており、感情の強さに注釈を付けた11言語にデータセットが追加されている。参加者は, (a) マルチラベル感情検出, (b) 感情強度スコア検出, (c) 言語間感情検出の3つのトラックでラベルの予測を依頼された。
論文参考訳（メタデータ） (2025-03-10T12:49:31Z)
Team A at SemEval-2025 Task 11: Breaking Language Barriers in Emotion Detection with Multilingual Models [0.06138671548064355]
本稿では,チームAからSemEval 2025タスク11に提出された「テキストベース感情検出におけるギャップを埋める」システムについて述べる。このタスクは、テキストスニペットから話者の知覚された感情を識別することを含み、各インスタンスには喜び、悲しみ、恐怖、怒り、驚き、嫌悪の6つの感情の1つが注がれた。検討した様々なアプローチの中で, マルチリンガル埋め込みと完全連結層を組み合わせることで, 最高の性能を実現した。
論文参考訳（メタデータ） (2025-02-27T07:59:01Z)
GenAI Content Detection Task 1: English and Multilingual Machine-Generated Text Detection: AI vs. Human [71.42669028683741]
我々は,Coling 2025におけるGenAIワークショップの一環として,バイナリマシン生成テキスト検出における共有タスクを提案する。このタスクは、モノリンガル(英: Monolingual)とマルチリンガル(英: Multilingual)の2つのサブタスクから構成される。本稿では,データの包括的概要,結果の概要,参加システムの詳細な説明,提出内容の詳細な分析について述べる。
論文参考訳（メタデータ） (2025-01-19T11:11:55Z)
Qwen it detect machine-generated text? [4.373647283459287]
本稿では、Coling 2025 GenAI Workshopに取り組むUnibuc-NLPチームのアプローチについて述べる。 Subtask Aでは、36チーム中1位でF1 Micro(Auxiliary Score)が0.8333、F1 Macro(Main Score)が0.8301でした。
論文参考訳（メタデータ） (2025-01-16T19:59:16Z)
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)
MIPS at SemEval-2024 Task 3: Multimodal Emotion-Cause Pair Extraction in Conversations with Multimodal Language Models [13.137392771279742]
本稿では,SemEval 2024 Task 3 の Subtask 2 に対して,会話におけるマルチモーダル感情の原因分析について提案する。本稿では,テキスト,音声,視覚的モダリティを統合した新しいマルチモーダル感情認識・マルチモーダル感情原因抽出フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-31T01:16:02Z)
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)
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)

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。