論文の概要: SemEval-2026 Task 9: Detecting Multilingual, Multicultural and Multievent Online Polarization
- arxiv url: http://arxiv.org/abs/2604.06817v1
- Date: Wed, 08 Apr 2026 08:34:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-09 17:30:51.428836
- Title: SemEval-2026 Task 9: Detecting Multilingual, Multicultural and Multievent Online Polarization
- Title（参考訳）: SemEval-2026 Task 9: Detectioning Multilingual, Multi cultural and Multievent Online Polarization
- Authors: Usman Naseem, Robert Geislinger, Juan Ren, Sarah Kohail, Rudy Garrido Veliz, P Sam Sahil, Yiran Zhang, Marco Antonio Stranisci, Idris Abdulmumin, Özge Alaçam, Cengiz Acartürk, Aisha Jabr, Saba Anwar, Abinew Ali Ayele, Elena Tutubalina, Aung Kyaw Htet, Xintong Wang, Surendrabikram Thapa, Tanmoy Chakraborty, Dheeraj Kodati, Sahar Moradizeyveh, Firoj Alam, Ye Kyaw Thu, Shantipriya Parida, Ihsan Ayyub Qazi, Lilian Wanzare, Nelson Odhiambo Onyango, Clemencia Siro, Ibrahim Said Ahmad, Adem Chanie Ali, Martin Semmann, Chris Biemann, Shamsuddeen Hassan Muhammad, Seid Muhie Yimam,
- Abstract要約: オンライン偏極検出タスクであるSemEval-2026 Task 9について述べる。
参加者は,(1)偏光の存在を検出すること,(2)偏光の種類を特定すること,(3)偏光の出現を認識すること,の3つのサブタスクにおいて,ラベルの予測を依頼された。
本稿では,各サブタスクや言語にまたがる最も一般的なアプローチと,最も効果的な手法を取り上げ,ベースラインの結果を報告する。
- 参考スコア（独自算出の注目度）: 47.011443052131376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SemEval-2026 Task 9, a shared task on online polarization detection, covering 22 languages and comprising over 110K annotated instances. Each data instance is multi-labeled with the presence of polarization, polarization type, and polarization manifestation. Participants were asked to predict labels in three sub-tasks: (1) detecting the presence of polarization, (2) identifying the type of polarization, and (3) recognizing the polarization manifestation. The three tasks attracted over 1,000 participants worldwide and more than 10k submission on Codabench. We received final submissions from 67 teams and 73 system description papers. We report the baseline results and analyze the performance of the best-performing systems, highlighting the most common approaches and the most effective methods across different subtasks and languages. The dataset of this task is publicly available.
- Abstract（参考訳）: オンライン偏極検出タスクであるSemEval-2026 Task 9について述べる。
各データインスタンスは、分極、分極タイプ、分極マニフェストの存在でマルチラベルされている。
参加者は,(1)偏光の存在を検出すること,(2)偏光の種類を特定すること,(3)偏光の出現を認識すること,の3つのサブタスクにおいて,ラベルの予測を依頼された。
3つのタスクは世界中に1000人以上の参加者を集め、コダベンチには10万以上の応募があった。
67チームから最終提出と73のシステム記述書類を受け取りました。
本稿では,各サブタスクや言語にまたがる最も一般的なアプローチと,最も効果的な手法を取り上げ,ベースラインの結果を報告する。
このタスクのデータセットが公開されている。
関連論文リスト
- Not All Pretraining are Created Equal: Threshold Tuning and Class Weighting for Imbalanced Polarization Tasks in Low-Resource Settings [0.0]
本稿では,SemEval-2025における分極共有タスクへの私の提出について述べる。
英語とスワヒリ語のためのトランスフォーマーベースシステムを開発した。二分極検出,多ラベルターゲット型分類,多ラベル表示識別という3つのサブタスクである。
論文 参考訳（メタデータ） (2026-03-08T15:50:37Z) - POLAR: A Benchmark for Multilingual, Multicultural, and Multi-Event Online Polarization [7.747535418644144]
POLARは、多言語、多文化、マルチイベントのデータセットで、7つの言語で23k以上のインスタンスを持つ。
モノリンガルとクロスランガルの両方のセットアップで、6つの多言語事前学習言語モデルを微調整する。
オープンおよびクローズドな大規模言語モデル(LLM)を,数ショット,ゼロショットのシナリオで評価する。
論文 参考訳（メタデータ） (2025-05-27T02:04:58Z) - JNLP at SemEval-2025 Task 11: Cross-Lingual Multi-Label Emotion Detection Using Generative Models [3.1605924602008373]
本研究では,SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detectionについて述べる。
本研究は,(1)トラックA:マルチラベル感情検出,(2)トラックB:感情強度の2つのサブトラックに焦点を当てた。
入力を対応する感情ラベルに直接マッピングするベースメソッドと、入力テキストと各感情カテゴリの関係を個別にモデル化するペアワイズ手法の2つの方法を提案する。
論文 参考訳（メタデータ） (2025-05-19T15:24:53Z) - 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) - BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages [93.92804151830744]
BRIGHTERは、28の言語で複数ラベル付き、感情アノテートされたデータセットの集合である。
データ収集とアノテーションプロセスに関する課題を強調します。
BRIGHTERデータセットは、テキストベースの感情認識のギャップに対処するための重要なステップであることを示す。
論文 参考訳（メタデータ） (2025-02-17T15:39:50Z) - Multimodal Fusion Interactions: A Study of Human and Automatic
Quantification [116.55145773123132]
我々は、人間がマルチモーダル相互作用の2つの分類に注釈を付ける方法を研究する。
本稿では,部分的および対実的ラベルのアノテーションを情報分解に自動的に変換する手法を提案する。
論文 参考訳（メタデータ） (2023-06-07T03:44:50Z)
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。