論文の概要: Dhati+: Fine-tuned Large Language Models for Arabic Subjectivity Evaluation

• arxiv url: http://arxiv.org/abs/2508.19966v1
• Date: Wed, 27 Aug 2025 15:20:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.679858
• Title: Dhati+: Fine-tuned Large Language Models for Arabic Subjectivity Evaluation
• Title（参考訳）: Dhati+:アラビア語の主観性評価のための微調整大言語モデル
• Authors: Slimane Bellaouar, Attia Nehar, Soumia Souffi, Mounia Bouameur,
• Abstract要約: その重要性にもかかわらず、アラビア語は資金不足に直面している。 大きな注釈付きデータセットの不足は、アラビア語の主観分析のための正確なツールの開発を妨げている。 近年のディープラーニングとトランスフォーマーの進歩は、英語とフランス語のテキスト分類に非常に効果的であることが証明されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite its significance, Arabic, a linguistically rich and morphologically complex language, faces the challenge of being under-resourced. The scarcity of large annotated datasets hampers the development of accurate tools for subjectivity analysis in Arabic. Recent advances in deep learning and Transformers have proven highly effective for text classification in English and French. This paper proposes a new approach for subjectivity assessment in Arabic textual data. To address the dearth of specialized annotated datasets, we developed a comprehensive dataset, AraDhati+, by leveraging existing Arabic datasets and collections (ASTD, LABR, HARD, and SANAD). Subsequently, we fine-tuned state-of-the-art Arabic language models (XLM-RoBERTa, AraBERT, and ArabianGPT) on AraDhati+ for effective subjectivity classification. Furthermore, we experimented with an ensemble decision approach to harness the strengths of individual models. Our approach achieves a remarkable accuracy of 97.79\,\% for Arabic subjectivity classification. Results demonstrate the effectiveness of the proposed approach in addressing the challenges posed by limited resources in Arabic language processing.
• Abstract（参考訳）: その重要性にもかかわらず、アラビア語は言語的に豊かで形態学的に複雑な言語であり、資源不足に直面している。 大きな注釈付きデータセットの不足は、アラビア語の主観分析のための正確なツールの開発を妨げている。 近年のディープラーニングとトランスフォーマーの進歩は、英語とフランス語のテキスト分類に非常に効果的であることが証明されている。 本稿ではアラビア文字データにおける主観性評価の新しい手法を提案する。 そこで我々は,既存のアラビアデータセットとコレクション(ASTD,LABR,HARD,SANAD)を活用して,包括的なデータセットAraDhati+を開発した。 その後,アラビア語モデル (XLM-RoBERTa, AraBERT, ArabianGPT) をAraDhati+に微調整し,効果的な主観性分類を行った。 さらに,個々のモデルの強度を利用するアンサンブル決定手法の実験を行った。 アラビア語主観性分類の精度は97.79\,\%である。 その結果,アラビア語処理における限られた資源による課題に対処する上で,提案手法の有効性が示された。

関連論文リスト

• Enhanced Arabic Text Retrieval with Attentive Relevance Scoring [12.053940320312355]
  アラビア語は自然言語処理と情報検索に特に挑戦している。 アラビア語の国際的重要性は高まっているが、NLPの研究やベンチマークの資源では未だに不足している。 本稿ではアラビア語に特化した拡張されたDense Passage Retrievalフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-31T10:18:28Z)
• ATHAR: A High-Quality and Diverse Dataset for Classical Arabic to English Translation [1.8109081066789847]
  古典アラビア語は重要な時代であり、アラブ文化、哲学、科学文学の黄金時代を包含している。 我々は古典アラビア語の翻訳データセットが不足していることを特定し、スコープやトピックに制限されることが多い。 ATHARデータセットは66,000の高品質のアラビア語から英語への翻訳サンプルからなる。
  論文  参考訳（メタデータ） (2024-07-29T09:45:34Z)
• GemmAr: Enhancing LLMs Through Arabic Instruction-Tuning [0.0]
  InstAr-500kは、コンテンツの生成と収集によって生成された新しいアラビア文字の命令データセットである。 我々は,オープンソースのGemma-7Bモデルを下流タスクで微調整し,その機能を改善することにより,このデータセットを評価する。 複数の評価結果に基づき, アラビアNLPベンチマークにおいて, 微調整モデルにより優れた性能が得られた。
  論文  参考訳（メタデータ） (2024-07-02T10:43:49Z)
• 101 Billion Arabic Words Dataset [0.0]
  本研究の目的は、アラブ世界のデータ不足に対処し、アラビア語モデルの開発を促進することである。 我々は大規模なデータマイニングプロジェクトを行い、Common Crawl WETファイルから大量のテキストを抽出した。 抽出されたデータは、データセットの完全性とユニーク性を保証するために革新的な技術を用いて、厳密なクリーニングと重複処理が行われた。
  論文  参考訳（メタデータ） (2024-04-29T13:15:03Z)
• ArabicMMLU: Assessing Massive Multitask Language Understanding in Arabic [51.922112625469836]
  アラビア語における最初のマルチタスク言語理解ベンチマークである、データセット名を提案する。 我々のデータは、現代標準アラビア語(MSA)における40のタスクと14,575のマルチチョイス質問で構成されており、地域の母語話者と協調して慎重に構築されている。 35モデルについて評価した結果,特にオープンソースモデルにおいて,改善の余地がかなり高いことが判明した。
  論文  参考訳（メタデータ） (2024-02-20T09:07:41Z)
• Arabic Sentiment Analysis with Noisy Deep Explainable Model [48.22321420680046]
  本稿では,アラビア語の感情分類フレームワークを提案する。 提案フレームワークは,局所的な代理説明可能なモデルをトレーニングすることで,特定の予測を説明することができる。 アラビアサデータセットの公開ベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-09-24T19:26:53Z)
• AceGPT, Localizing Large Language Models in Arabic [73.39989503874634]
  本稿では,アラビア語のテキストによる事前学習,ネイティブなアラビア語命令を利用したSFT(Supervised Fine-Tuning),アラビア語のGPT-4応答を含む総合的なソリューションを提案する。 目標は、文化的に認知され、価値に整合したアラビア語のLLMを、多様で応用特有のアラビア語コミュニティのニーズに適応させることである。
  論文  参考訳（メタデータ） (2023-09-21T13:20:13Z)

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。