論文の概要: Ensembling Multilingual Transformers for Robust Sentiment Analysis of Tweets

• arxiv url: http://arxiv.org/abs/2509.24080v1
• Date: Sun, 28 Sep 2025 21:34:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.621099
• Title: Ensembling Multilingual Transformers for Robust Sentiment Analysis of Tweets
• Title（参考訳）: つぶやきのロバスト感性分析のための多言語変換器の組込み
• Authors: Meysam Shirdel Bilehsavar, Negin Mahmoudi, Mohammad Jalili Torkamani, Kiana Kiashemshaki,
• Abstract要約: 本稿では,他言語の感情分析を用いたトランスフォーマーアンサンブルモデルと大規模言語モデル(LLM)を提案する。 次に,事前学習した感情分析モデル(bert-base-multilingual-uncased-sentiment,XLM-R)を用いて文に対する感性の評価を行った。 実験の結果, 感情分析性能は86%以上であった。
• 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: Sentiment analysis is a very important natural language processing activity in which one identifies the polarity of a text, whether it conveys positive, negative, or neutral sentiment. Along with the growth of social media and the Internet, the significance of sentiment analysis has grown across numerous industries such as marketing, politics, and customer service. Sentiment analysis is flawed, however, when applied to foreign languages, particularly when there is no labelled data to train models upon. In this study, we present a transformer ensemble model and a large language model (LLM) that employs sentiment analysis of other languages. We used multi languages dataset. Sentiment was then assessed for sentences using an ensemble of pre-trained sentiment analysis models: bert-base-multilingual-uncased-sentiment, and XLM-R. Our experimental results indicated that sentiment analysis performance was more than 86% using the proposed method.
• Abstract（参考訳）: 感性分析は、テキストの極性、肯定的、否定的、中立的な感情を伝達するかどうかを識別する、非常に重要な自然言語処理活動である。 ソーシャルメディアやインターネットの成長とともに、マーケティング、政治、カスタマーサービスなど多くの産業で感情分析の重要性が高まっている。 しかし、特にモデルを訓練するためのラベル付きデータがない場合、外国語に適用する場合は、知覚分析に欠陥がある。 本研究では,他言語の感情分析を用いたトランスフォーマーアンサンブルモデルと大規模言語モデル(LLM)を提案する。 マルチ言語データセットを使用しました。 次に,事前学習した感情分析モデル(bert-base-multilingual-uncased-sentiment,XLM-R)を用いて文に対する感性の評価を行った。 実験の結果, 感情分析性能は86%以上であった。

関連論文リスト

• Multilingual Sentiment Analysis of Summarized Texts: A Cross-Language Study of Text Shortening Effects [42.90274643419224]
  要約は様々な形態を持つ言語における感情分析に大きな影響を及ぼす。 本研究では,英語,ドイツ語,フランス語,スペイン語,イタリア語,フィンランド語,ハンガリー語,アラビア語の感情分類における抽出的,抽象的要約効果について検討した。
  論文  参考訳（メタデータ） (2025-03-31T22:16:04Z)
• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• Large Language Models Meet Text-Centric Multimodal Sentiment Analysis: A Survey [66.166184609616]
  ChatGPTは、テキスト中心のマルチモーダルタスクに大規模言語モデル(LLM)を適用する大きな可能性を開く。 既存のLLMがテキスト中心のマルチモーダル感情分析タスクにどのように適応できるかは、まだ不明である。
  論文  参考訳（メタデータ） (2024-06-12T10:36:27Z)
• Sentiment Analysis Across Languages: Evaluation Before and After Machine Translation to English [0.0]
  本稿では,機械翻訳を行った多言語データセットおよびテキストを対象とした感性分析タスクにおけるトランスフォーマーモデルの性能について検討する。 異なる言語文脈におけるこれらのモデルの有効性を比較することで、それらの性能変化と様々な言語における感情分析の潜在的な影響について洞察を得ることができる。
  論文  参考訳（メタデータ） (2024-05-05T10:52:09Z)
• Ensemble Language Models for Multilingual Sentiment Analysis [0.0]
  SemEval-17のツイートテキストとアラビアセンティメントのつぶやきデータセットの感情分析について検討する。 その結果,単言語モデルでは性能が優れ,アンサンブルモデルではベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-03-10T01:39:10Z)
• Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation [77.69102711230248]
  我々は、英語のつぶやきを事前学習し、自動翻訳を用いてデータ拡張を適用して非英語の言語に適応する多言語トランスフォーマーモデルを提案する。 我々のフランス語、スペイン語、ドイツ語、イタリア語での実験は、この手法が非英語のツイートの小さなコーパスよりも、トランスフォーマーの結果を改善する効果的な方法であることを示唆している。
  論文  参考訳（メタデータ） (2020-10-07T15:44:55Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• Gender Bias in Multilingual Embeddings and Cross-Lingual Transfer [101.58431011820755]
  多言語埋め込みにおけるジェンダーバイアスとNLPアプリケーションの伝達学習への影響について検討する。 我々は、バイアス分析のための多言語データセットを作成し、多言語表現におけるバイアスの定量化方法をいくつか提案する。
  論文  参考訳（メタデータ） (2020-05-02T04:34:37Z)
• Language Independent Sentiment Analysis [0.38233569758620045]
  複数の言語からのテキストを含むデータに対する感情分析のための一般的な手法を提案する。 これにより、すべてのアプリケーションが言語に依存しない、あるいは言語に依存しない方法で感情分析の結果を利用することができる。
  論文  参考訳（メタデータ） (2019-12-27T03:20:48Z)

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。