論文の概要: Multilingual Hope Speech Detection: A Comparative Study of Logistic Regression, mBERT, and XLM-RoBERTa with Active Learning

• arxiv url: http://arxiv.org/abs/2509.20315v1
• Date: Wed, 24 Sep 2025 16:54:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.911634
• Title: Multilingual Hope Speech Detection: A Comparative Study of Logistic Regression, mBERT, and XLM-RoBERTa with Active Learning
• Title（参考訳）: 多言語ホープ音声検出:ロジスティック回帰,mBERT,XLM-RoBERTaとアクティブラーニングの比較検討
• Authors: T. O. Abiola, K. D. Abiodun, O. E. Olumide, O. O. Adebanji, O. Hiram Calvo, Grigori Sidorov,
• Abstract要約: 本稿では,能動的学習手法とトランスフォーマーモデルを用いた希望音声検出のための多言語フレームワークを提案する。 実験は英語、スペイン語、ドイツ語、ウルドゥー語で行われた。
• 参考スコア（独自算出の注目度）: 4.905674855734124
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hope speech language that fosters encouragement and optimism plays a vital role in promoting positive discourse online. However, its detection remains challenging, especially in multilingual and low-resource settings. This paper presents a multilingual framework for hope speech detection using an active learning approach and transformer-based models, including mBERT and XLM-RoBERTa. Experiments were conducted on datasets in English, Spanish, German, and Urdu, including benchmark test sets from recent shared tasks. Our results show that transformer models significantly outperform traditional baselines, with XLM-RoBERTa achieving the highest overall accuracy. Furthermore, our active learning strategy maintained strong performance even with small annotated datasets. This study highlights the effectiveness of combining multilingual transformers with data-efficient training strategies for hope speech detection.
• Abstract（参考訳）: 励ましと楽観主義を奨励する音声言語は、オンラインでのポジティブな会話を促進する上で重要な役割を担っている。 しかし、その検出は、特にマルチリンガルおよび低リソース設定では、依然として困難である。 本稿では,mBERT や XLM-RoBERTa など,能動的学習手法と変圧器モデルを用いた希望音声検出のための多言語フレームワークを提案する。 最近の共有タスクのベンチマークテストセットを含む、英語、スペイン語、ドイツ語、ウルドゥー語のデータセットで実験が行われた。 以上の結果から,XLM-RoBERTaによるトランスフォーマーモデルの精度は,従来のベースラインよりも優れていた。 さらに、私たちのアクティブな学習戦略は、小さな注釈付きデータセットでも強力なパフォーマンスを維持しました。 本研究は,多言語変換器とデータ効率のよい学習手法を組み合わせることで,希望音声検出の有効性を強調した。

関連論文リスト

• Multi-task Learning with Active Learning for Arabic Offensive Speech Detection [1.534667887016089]
  本稿では,多タスク学習(MTL)とアクティブラーニングを統合し,アラビアメディアテキストにおける攻撃的音声検出を強化する新しいフレームワークを提案する。 本手法は,トレーニング中のタスクの重み付けを動的に調整し,各タスクのコントリビューションのバランスをとり,性能を最適化する。 OSACT2022データセットの実験結果は、提案されたフレームワークが85.42%の最先端のマクロF1スコアを達成したことを示している。
  論文  参考訳（メタデータ） (2025-06-03T11:17:03Z)
• CODEOFCONDUCT at Multilingual Counterspeech Generation: A Context-Aware Model for Robust Counterspeech Generation in Low-Resource Languages [1.9263811967110864]
  本稿では,MCG-COING-2025共有タスクにおいて大きな成功を収めた,頑健な対音声生成のための文脈認識モデルを提案する。 多言語データセットに微調整されたシミュレーションアニーリングアルゴリズムを活用することで、モデルはヘイトスピーチに対する現実的に正確な応答を生成する。 4つの言語で最先端のパフォーマンスを実証し、バスク語で第1位、イタリア語で第2位、英語とスペイン語で第3位にランク付けしました。
  論文  参考訳（メタデータ） (2025-01-01T03:36:31Z)
• Making LLMs Better Many-to-Many Speech-to-Text Translators with Curriculum Learning [32.883836078329665]
  MLLM(Multimodal Large Language Models)は、音声テキスト翻訳(S2TT)タスクにおいて大きな成功を収めている。 本稿では,大規模言語モデルの機械翻訳機能を活用し,S2TTタスクに適応する3段階のカリキュラム学習戦略を提案する。 実験結果から,提案手法は15時間14ドルの言語対で最先端の平均性能を実現することが示された。
  論文  参考訳（メタデータ） (2024-09-29T01:48:09Z)
• Breaking Language Barriers in Multilingual Mathematical Reasoning: Insights and Observations [59.056367787688146]
  本稿では, マルチリンガル数学推論 (xMR) LLM の探索と学習の先駆者である。 我々は10の異なる言語を含む最初の多言語数学推論命令データセットMGSM8KInstructを構築した。 翻訳を利用して、10個の異なる言語を含む最初の多言語数学推論命令データセットMGSM8KInstructを構築した。
  論文  参考訳（メタデータ） (2023-10-31T08:09:20Z)
• XDBERT: Distilling Visual Information to BERT from Cross-Modal Systems to Improve Language Understanding [73.24847320536813]
  本研究では,事前学習したマルチモーダル変換器から事前学習した言語エンコーダへの視覚情報の蒸留について検討する。 我々のフレームワークは,NLUの言語重み特性に適応するために学習目標を変更する一方で,視覚言語タスクにおけるクロスモーダルエンコーダの成功にインスパイアされている。
  論文  参考訳（メタデータ） (2022-04-15T03:44:00Z)
• IGLUE: A Benchmark for Transfer Learning across Modalities, Tasks, and Languages [87.5457337866383]
  画像認識言語理解評価ベンチマークについて紹介する。 IGLUEは、視覚的質問応答、クロスモーダル検索、グラウンドド推論、20言語にわたるグラウンドドエンターテイメントタスクをまとめて提供する。 翻訳-テストの転送はゼロショットの転送よりも優れており、少数ショットの学習は多くのタスクに役立てることが難しい。
  論文  参考訳（メタデータ） (2022-01-27T18:53:22Z)
• Explicit Alignment Objectives for Multilingual Bidirectional Encoders [111.65322283420805]
  本稿では,多言語エンコーダAMBER(Aligned Multilingual Bi-directional EncodeR)の学習方法を提案する。 AMBERは、異なる粒度で多言語表現を整列する2つの明示的なアライメント目標を使用して、追加の並列データに基づいて訓練される。 実験結果から、AMBERは、シーケンスタグ付けで1.1平均F1スコア、XLMR-大規模モデル上での検索で27.3平均精度を得ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T18:34:13Z)
• Transfer Learning and Distant Supervision for Multilingual Transformer Models: A Study on African Languages [20.92293429849952]
  本研究では,アフリカ3言語(Hausa,isiXhosa,Yorub'a)の資源利用状況について調査した。 これらのモデルでは,移動学習や遠隔監視と組み合わせて,ベースラインと同等の性能のラベル付き文を10～100文程度で実現できることが示されている。
  論文  参考訳（メタデータ） (2020-10-07T05:23:27Z)

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。