論文の概要: Sentiment analysis for software engineering: How far can zero-shot learning (ZSL) go?

• arxiv url: http://arxiv.org/abs/2604.13826v1
• Date: Wed, 15 Apr 2026 12:58:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.544413
• Title: Sentiment analysis for software engineering: How far can zero-shot learning (ZSL) go?
• Title（参考訳）: ソフトウェアエンジニアリングのための感覚分析: ゼロショット学習(ZSL)はどこまで進むことができるのか?
• Abstract要約: 本研究は,ソフトウェア工学における感情分析における注釈付きデータセットの不足に対処するためのZSLの可能性を探るものである。 組込み型, NLI 型, TARS 型, 生成型ZSL 型など, 様々なZSL 技術の性能評価実験を行った。 結果:ZSL技術,特に専門的なラベルを埋め込みベースまたは生成ベースモデルと組み合わせることで,微調整トランスフォーマーベースモデルに匹敵するマクロF1スコアが得られる。
• 参考スコア（独自算出の注目度）: 3.6295918639855174
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment analysis in software engineering focuses on understanding emotions expressed in software artifacts. Previous research highlighted the limitations of applying general off-the-shelf sentiment analysis tools within the software engineering domain and indicated the need for specialized tools tailored to various software engineering contexts. The development of such tools heavily relies on supervised machine learning techniques that necessitate annotated datasets. Acquiring such datasets is a substantial challenge, as it requires domain-specific expertise and significant effort. Objective: This study explores the potential of ZSL to address the scarcity of annotated datasets in sentiment analysis within software engineering Method:} We conducted an empirical experiment to evaluate the performance of various ZSL techniques, including embedding-based, NLI-based, TARS-based, and generative-based ZSL techniques. We assessed the performance of these techniques under different labels setups to examine the impact of label configurations. Additionally, we compared the results of the ZSL techniques with state-of-the-art fine-tuned transformer-based models. Finally, we performed an error analysis to identify the primary causes of misclassifications. Results: Our findings demonstrate that ZSL techniques, particularly those combining expert-curated labels with embedding-based or generative-based models, can achieve macro-F1 scores comparable to fine-tuned transformer-based models. The error analysis revealed that subjectivity in annotation and polar facts are the main contributors to ZSL misclassifications. Conclusion: This study demonstrates the potential of ZSL for sentiment analysis in software engineering. ZSL can provide a solution to the challenge of annotated dataset scarcity by reducing reliance on annotated dataset.
• Abstract（参考訳）: ソフトウェア工学における感覚分析は、ソフトウェアアーティファクトで表現された感情を理解することに焦点を当てる。 以前の調査では、ソフトウェアエンジニアリング領域に一般的なオフザシェルフ感情分析ツールを適用するという制限を強調し、さまざまなソフトウェアエンジニアリングコンテキストに合わせた専門的なツールの必要性を示した。 このようなツールの開発は、アノテーション付きデータセットを必要とする教師付き機械学習技術に大きく依存している。 このようなデータセットを取得することは、ドメイン固有の専門知識と多大な努力を必要とするため、大きな課題である。 目的: 本研究は,ソフトウェア工学における感情分析における注釈付きデータセットの不足に対処するためのZSLの可能性を探究する。1) 埋め込みベース,NLIベース,TARSベース,ジェネレーティブベースのZSL技術など,さまざまなZSL技術の性能を評価する実験を行った。 ラベル設定の影響を調べるため,異なるラベル設定でこれらの手法の性能を評価した。 さらに,ZSL技術と最先端の微調整トランスモデルとの比較を行った。 最後に,誤分類の原因を特定するために,誤り解析を行った。 結果: この結果から,ZSL技術,特に専門家によるラベルと埋め込みベースあるいは生成ベースモデルを組み合わせることで,微調整トランスフォーマーモデルに匹敵するマクロF1スコアを達成できることが示唆された。 誤り解析により,ZSLの誤分類の主な要因は,アノテーションと極性事実の主観性であった。 結論:本研究は,ソフトウェア工学における感情分析におけるZSLの可能性を示すものである。 ZSLは、アノテーション付きデータセットへの依存を減らすことで、アノテーション付きデータセットの不足という課題に対する解決策を提供することができる。

関連論文リスト

• Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
  課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。 本稿では,この新興領域を体系的に調査する。
  論文  参考訳（メタデータ） (2026-01-15T18:55:03Z)
• Demystifying Feature Engineering in Malware Analysis of API Call Sequences [12.196708313633522]
  機械学習(ML)は、マルウェア分析におけるAPI呼び出しシーケンスの分析に広く用いられている。 伝統的な特徴抽出は人間のドメイン知識に基づいている。 自動特徴抽出には自然言語処理(NLP)を用いる傾向にある。
  論文  参考訳（メタデータ） (2025-12-01T13:36:42Z)
• A Systematic Literature Review on Detecting Software Vulnerabilities with Large Language Models [2.518519330408713]
  ソフトウェア工学における大規模言語モデル(LLM)は、ソフトウェア脆弱性検出への関心を喚起している。 この分野の急速な発展は、断片化された研究の風景を生み出した。 この断片化は、最先端技術の明確な概要を得るのを困難にし、研究を有意義に比較し分類する。
  論文  参考訳（メタデータ） (2025-07-30T13:17:16Z)
• Meta-Statistical Learning: Supervised Learning of Statistical Inference [59.463430294611626]
  この研究は、大きな言語モデル(LLM)の成功を駆動するツールと原則が、分散レベルのタスクに取り組むために再利用可能であることを実証している。 本稿では,統計的推論タスクを教師付き学習問題として再構成するマルチインスタンス学習に触発されたメタ統計学習を提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:04:39Z)
• The Emergence of Large Language Models in Static Analysis: A First Look through Micro-Benchmarks [3.848607479075651]
  我々は,Pythonプログラムのコールグラフ解析と型推論を改善する上で,現在のLarge Language Models (LLM) が果たす役割について検討する。 本研究により, LLMは型推論において有望な結果を示し, 従来の手法よりも高い精度を示したが, コールグラフ解析では限界が認められた。
  論文  参考訳（メタデータ） (2024-02-27T16:53:53Z)
• Fine-Grained Zero-Shot Learning: Advances, Challenges, and Prospects [84.36935309169567]
  ゼロショット学習(ZSL)における微粒化解析の最近の進歩を概観する。 まず、各カテゴリの詳細な分析を行い、既存の手法と手法の分類について述べる。 次に、ベンチマークを要約し、公開データセット、モデル、実装、およびライブラリとしての詳細について説明する。
  論文  参考訳（メタデータ） (2024-01-31T11:51:24Z)
• A Novel Transformer-Based Self-Supervised Learning Method to Enhance Photoplethysmogram Signal Artifact Detection [0.0699049312989311]
  本研究は、自己教師付き学習(SSL)を用いて、このデータから潜伏した特徴を抽出することにより、豊富なラベル付きデータの未利用に対処する。 実験の結果,SSLはTransformerモデルの表現学習能力を大幅に向上させることがわかった。 このアプローチは、注釈付きデータがしばしば制限されるPICU環境において、より広範なアプリケーションに対して約束される。
  論文  参考訳（メタデータ） (2024-01-02T04:00:48Z)
• Revisiting Sentiment Analysis for Software Engineering in the Era of Large Language Models [11.388023221294686]
  本研究では,ソフトウェア工学のタスクにおいて,小さな言語モデル (sLLM) を微調整したラベル付きデータ不足に対処する際の大規模言語モデル (bLLM) について検討する。 5つの確立されたデータセットを用いて、ゼロショットと少数ショットのシナリオで3つのオープンソースのbLLMを評価する。 実験により,bLLMsは訓練データと不均衡分布に制限されたデータセットに対して最先端の性能を示すことが示された。
  論文  参考訳（メタデータ） (2023-10-17T09:53:03Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Azimuth: Systematic Error Analysis for Text Classification [3.1679600401346706]
  Azimuthは、テキスト分類のエラー解析を行うオープンソースツールである。 本稿では,データセット分析とモデル品質評価を組み合わせたアプローチを提案する。
  論文  参考訳（メタデータ） (2022-12-16T01:10:41Z)
• Collaborative Intelligence Orchestration: Inconsistency-Based Fusion of Semi-Supervised Learning and Active Learning [60.26659373318915]
  アクティブラーニング(AL)と半教師付きラーニング(SSL)は2つの効果があるが、しばしば孤立している。 本稿では、SSL-ALの潜在的な優位性をさらに調査するために、革新的な一貫性に基づく仮想aDvErialアルゴリズムを提案する。 2つの実世界のケーススタディは、提案したデータサンプリングアルゴリズムの適用と展開の実践的な産業価値を可視化する。
  論文  参考訳（メタデータ） (2022-06-07T13:28:43Z)
• Uncovering the structure of clinical EEG signals with self-supervised learning [64.4754948595556]
  教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。 この現象は脳波(EEG)などの臨床関連データに特に問題となる。 ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
  論文  参考訳（メタデータ） (2020-07-31T14:34:47Z)

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。