Fugu-MT 論文翻訳(概要): SiNFluD: Creating and Evaluating Figurative Language Dataset for Sindhi

論文の概要: SiNFluD: Creating and Evaluating Figurative Language Dataset for Sindhi

arxiv url: http://arxiv.org/abs/2605.01323v2
Date: Sat, 09 May 2026 10:25:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-12 19:24:01.129792
Title: SiNFluD: Creating and Evaluating Figurative Language Dataset for Sindhi
Title（参考訳）: SiNFluD:Sindhiのための図形言語データセットの作成と評価
Abstract要約: そこで我々は,SiNFluDを提案する。SiNFluD,SiNFluD,SiNFluD,SiNFluD,SiNFluD,SiNFluD。 2つのネイティブアノテータは、Doccanoテキストアノテーションツールを使用してデータをラベル付けし、0.81のアノテータ間契約を達成している。また,mBERT,XLM-RoBERTa,XLM-RoBERTa-XLモデル,およびSetFitを用いて文変換器の微調整を行った。
参考スコア（独自算出の注目度）: 0.9558392439655014
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this article, we introduce SiNFluD, a novel benchmark dataset for Sindhi figurative language classification. We first collect raw text from various blogs, social media platforms, and literary sources, and subsequently prepare the corpus for annotation. Two native annotators label the data using the Doccano text annotation tool, achieving an inter-annotator agreement of 0.81. We then establish baseline results using 5-fold and 10-fold cross-validation. Finally, we evaluate mBERT, XLM-RoBERTa, and XLM-RoBERTa-XL models, along with SetFit for few-shot fine-tuning of sentence transformers. Among these, the pretrained XLM-RoBERTa-XL achieves the best performance.
Abstract（参考訳）: 本稿では,SiNFluDについて紹介する。SiNFluDはSindhi図形言語分類のための新しいベンチマークデータセットである。まず、さまざまなブログ、ソーシャルメディアプラットフォーム、文学資料から原文を収集し、その後、注釈のためのコーパスを作成します。 2つのネイティブアノテータは、Doccanoテキストアノテーションツールを使用してデータをラベル付けし、0.81のアノテータ間契約を達成している。次に,5倍,10倍のクロスバリデーションを用いてベースライン結果を確立する。最後に,mBERT,XLM-RoBERTa,XLM-RoBERTa-XLモデルとSetFitを用いて文変換器の微調整を行った。これらのうち、事前訓練されたXLM-RoBERTa-XLは最高の性能を発揮する。

関連論文リスト

Idiosyncrasies in Large Language Models [54.26923012617675]
大規模言語モデル(LLM)における慣用句の公開と研究 LLM生成テキストへの微調整テキスト埋め込みモデルにより,優れた分類精度が得られることがわかった。我々はLLMを審査員として利用し、各モデルの慣用句の詳細かつオープンな記述を生成する。
論文参考訳（メタデータ） (2025-02-17T18:59:02Z)
Triples-to-isiXhosa (T2X): Addressing the Challenges of Low-Resource Agglutinative Data-to-Text Generation [9.80836683456026]
我々は,低リソースかつ凝集性の高いisiXhosaのデータ・トゥ・テキストに取り組む。我々はWebNLGのサブセットに基づいた新しいデータセットであるTriples-to-isiXhosa (T2X)を紹介する。本研究では,T2X の評価フレームワークを開発し,データ記述の精度を計測する。
論文参考訳（メタデータ） (2024-03-12T11:53:27Z)
Improving Text Embeddings with Large Language Models [59.930513259982725]
合成データと1k以下のトレーニングステップのみを用いて,高品質なテキスト埋め込みを実現するための,新しい簡易な手法を提案する。我々は、93言語にまたがる数十万のテキスト埋め込みタスクのための多様な合成データを生成するために、プロプライエタリなLLMを活用している。実験により,ラベル付きデータを使わずに,高度に競争力のあるテキスト埋め込みベンチマークにおいて高い性能が得られることが示された。
論文参考訳（メタデータ） (2023-12-31T02:13:18Z)
Czech Dataset for Cross-lingual Subjectivity Classification [13.70633147306388]
そこで本研究では,映画レビューや説明文から10kの注釈付き主観的,客観的な文を手作業で作成する新しいチェコ語主観性データセットを提案する。 2つのアノテータはデータセットにコーエンのカッパ間アノテータ契約の0.83に達した。新しいデータセットの単一言語ベースラインを設定するために、トレーニング済みのBERT風モデルを5つ微調整し、93.56%の精度を達成する。
論文参考訳（メタデータ） (2022-04-29T07:31:46Z)
CrossSum: Beyond English-Centric Cross-Lingual Summarization for 1,500+ Language Pairs [27.574815708395203]
CrossSumは1500以上の言語対の1,68万記事要約サンプルからなる大規模言語間要約データセットである。我々は、多言語抽象要約データセットからのクロス言語検索により、異なる言語で記述された並列記事の整列により、クロスサムを作成する。対象言語における記事の要約が可能な言語間要約モデルを効果的に学習する多段階データサンプリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-12-16T11:40:36Z)
FBERT: A Neural Transformer for Identifying Offensive Content [67.12838911384024]
fBERTは、SOLIDで再訓練されたBERTモデルである。複数の英文データセット上での攻撃的内容の同定におけるfBERTの性能を評価し、SOLIDからインスタンスを選択するためのしきい値をテストする。 fBERTモデルは、コミュニティで自由に利用できるようになる。
論文参考訳（メタデータ） (2021-09-10T19:19:26Z)
DaLAJ - a dataset for linguistic acceptability judgments for Swedish: Format, baseline, sharing [0.5156484100374058]
スウェーデン語の言語受容性判定のためのデータセットであるDaLAJ 1.0について紹介する。 DaLAJはSweLLの第2言語学習データに基づいており、様々なレベルの熟練度に関するエッセイで構成されている。バイナリ分類の基準値から,BERT埋め込みによるDaLAJ 1.0の精度は58%であった。
論文参考訳（メタデータ） (2021-05-14T07:37:38Z)
Leveraging ParsBERT and Pretrained mT5 for Persian Abstractive Text Summarization [1.0742675209112622]
本稿では,ペルシャ抽象テキスト要約のための新しいデータセットpn-summaryについて紹介する。本論文で用いるモデルはmT5とParsBERTモデルのエンコーダデコーダ版である。
論文参考訳（メタデータ） (2020-12-21T09:35:52Z)
TaBERT: Pretraining for Joint Understanding of Textual and Tabular Data [113.29476656550342]
本研究では,NL文と表の表現を共同で学習する事前学習型LMであるTaBERTを提案する。 TaBERTは、600万のテーブルとその英語コンテキストからなる大規模なコーパスで訓練されている。モデルの実装はhttp://fburl.com/TaBERT.comで公開される。
論文参考訳（メタデータ） (2020-05-17T17:26:40Z)
ToTTo: A Controlled Table-To-Text Generation Dataset [61.83159452483026]
ToTToはオープンドメインの英語のテーブル・トゥ・テキストのデータセットで、12万以上のトレーニングサンプルがある。本稿では、ウィキペディアから既存の候補文を直接修正するデータセット構築プロセスを紹介する。通常流動的であるが、既存の方法は多くの場合、表がサポートしていないフレーズを幻覚させる。
論文参考訳（メタデータ） (2020-04-29T17:53:45Z)
Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。抽出した要約タスクを意味テキストマッチング問題として定式化する。我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文参考訳（メタデータ） (2020-04-19T08:27:57Z)

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。