論文の概要: Transformer-Based Model for Multilingual Hope Speech Detection
- arxiv url: http://arxiv.org/abs/2602.00613v1
- Date: Sat, 31 Jan 2026 09:06:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.288406
- Title: Transformer-Based Model for Multilingual Hope Speech Detection
- Title（参考訳）: 多言語ホープ音声検出のためのトランスフォーマーモデル
- Authors: Nsrin Ashraf, Mariam Labib, Hamada Nayel,
- Abstract要約: RoBERTaは英語で実装され、XLM-RoBERTaは英語とドイツ語の両方で実装されている。
RoBERTaを用いたシステムでは、重み付きf1スコアは0.818、精度は81.8%と報告されている。
一方、XLM-RoBERTaは重み付きf1スコア0.786、精度78.5%を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper describes a system that has been submitted to the "PolyHope-M" at RANLP2025. In this work various transformers have been implemented and evaluated for hope speech detection for English and Germany. RoBERTa has been implemented for English, while the multilingual model XLM-RoBERTa has been implemented for both English and German languages. The proposed system using RoBERTa reported a weighted f1-score of 0.818 and an accuracy of 81.8% for English. On the other hand, XLM-RoBERTa achieved a weighted f1-score of 0.786 and an accuracy of 78.5%. These results reflects the importance of improvement of pre-trained large language models and how these models enhancing the performance of different natural language processing tasks.
- Abstract（参考訳）: 本稿ではRANLP2025のPolyHope-Mに提出されたシステムについて述べる。
本研究は, 英語およびドイツにおける希望音声検出のために, 様々なトランスフォーマーを実装し, 評価している。
RoBERTaは英語で実装され、XLM-RoBERTaは英語とドイツ語の両方で実装されている。
RoBERTaを用いたシステムでは、重み付きf1スコアは0.818、精度は81.8%と報告されている。
一方、XLM-RoBERTaは重み付きf1スコア0.786、精度78.5%を達成した。
これらの結果は、事前訓練された大規模言語モデルの改善の重要性と、これらのモデルがいかに異なる自然言語処理タスクの性能を高めるかを反映している。
関連論文リスト
- Hope Speech Detection in Social Media English Corpora: Performance of Traditional and Transformer Models [2.137286893609844]
本提案では,学習データセットを学習,開発,テストセットとして,従来の機械学習モデルと微調整変換器の評価を行う。
トランスフォーマーモデルはより良い結果をもたらし、最良のモデルは重み付き精度が0.82、重み付きリコールが0.80、重み付きF1が0.79、マクロF1が0.79、精度が0.80に達した。
論文 参考訳（メタデータ） (2025-10-27T17:53:40Z) - XplaiNLP at CheckThat! 2025: Multilingual Subjectivity Detection with Finetuned Transformers and Prompt-Based Inference with Large Language Models [2.749729059235755]
このノートには、XplaiがCheckThat!に提出されたことを報告しています。
単言語および機械翻訳によるトレーニングデータに基づいて,変換器エンコーダの教師付き微調整,EuroBERT,XLM-RoBERTa,ジャーマン-BERTの2つの手法を評価する。
ドイツ語の場合、タイポロジーに関連のある言語から翻訳されたトレーニングデータに基づいて微調整されたドイツ語-BERTモデルでは、ベースライン上での競争性能が向上する。
論文 参考訳（メタデータ） (2025-09-15T16:53:41Z) - Improving Multilingual ASR in the Wild Using Simple N-best Re-ranking [68.77659513993507]
我々は,多言語ASRの精度を向上させるため,単純かつ効果的なN-best再分類手法を提案する。
その結果, 音声認識の精度は8.7%, 6.1%, 単語誤り率は3.3%, 単語誤り率は2.0%であった。
論文 参考訳（メタデータ） (2024-09-27T03:31:32Z) - HYBRINFOX at CheckThat! 2024 -- Task 1: Enhancing Language Models with Structured Information for Check-Worthiness Estimation [0.8083061106940517]
本稿では,2024年 - タスク1コンペティションのためのHYBRINFOXチームの実験と結果について要約する。
本稿では,RoBERTaのような言語モデルに三重項による埋め込みを組み込む手法を提案する。
論文 参考訳（メタデータ） (2024-07-04T11:33:54Z) - 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) - From English to More Languages: Parameter-Efficient Model Reprogramming
for Cross-Lingual Speech Recognition [50.93943755401025]
言語間音声認識のためのニューラルモデル再プログラミングに基づく新しいパラメータ効率学習フレームワークを提案する。
我々は、学習可能な事前学習機能強化に焦点を当てた、異なる補助的ニューラルネットワークアーキテクチャを設計する。
提案手法は,既存のASRチューニングアーキテクチャとその拡張性能を自己監督的損失で向上させる。
論文 参考訳（メタデータ） (2023-01-19T02:37:56Z) - FPM: A Collection of Large-scale Foundation Pre-trained Language Models [0.0]
私たちは現在の効果的なモデル構造を使用して、現在の最も主流な技術を通じてモデルセットをローンチします。
将来的にはこれが基本モデルになると思います。
論文 参考訳（メタデータ） (2021-11-09T02:17:15Z) - Larger-Scale Transformers for Multilingual Masked Language Modeling [16.592883204398518]
XLM-R XLとXLM-R XXLはXLM-Rよりも1.8%、XNLIの平均精度は2.4%向上した。
また、GLUEベンチマークの英語タスクのRoBERTa-Largeモデルを平均0.3%上回り、99以上の言語を扱う。
論文 参考訳（メタデータ） (2021-05-02T23:15:02Z) - AmericasNLI: Evaluating Zero-shot Natural Language Understanding of
Pretrained Multilingual Models in Truly Low-resource Languages [75.08199398141744]
我々は、XNLI(Conneau et al)の拡張である AmericasNLI を提示する。
は、アメリカ大陸の10の原住民の言語である。
XLM-Rで実験を行い、複数のゼロショットおよび翻訳ベースのアプローチをテストします。
XLM-Rのゼロショット性能は全10言語で低調であり、平均性能は38.62%である。
論文 参考訳（メタデータ） (2021-04-18T05:32:28Z)
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。