Detail publikace

FIT BUT at SemEval-2023 Task 12: Sentiment Without Borders - Multilingual Domain Adaptation for Low-Resource Sentiment Classification

APAROVICH Maksim, KESIRAJU Santosh, DUFKOVÁ Aneta a SMRŽ Pavel. FIT BUT at SemEval-2023 Task 12: Sentiment Without Borders - Multilingual Domain Adaptation for Low-Resource Sentiment Classification. In: Proceedings of the The 17th International Workshop on Semantic Evaluation (SemEval-2023). Toronto (online): Association for Computational Linguistics, 2023, s. 1518-1524. ISBN 978-1-959429-99-9. Dostupné z: https://aclanthology.org/2023.semeval-1.209/
Název česky
FIT BUT at SemEval-2023 Task 12: Sentiment bez hranic - Multilinguální adaptace domény pro klasifikaci sentimentu s nízkými zdroji
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
Aparovich Maksim (UPGM FIT VUT)
Kesiraju Santosh (UPGM FIT VUT)
Dufková Aneta, Ing. (FIT VUT)
Smrž Pavel, doc. RNDr., Ph.D. (UPGM FIT VUT)
URL
Abstrakt

Tento článek představuje naši navrhovanou metodu pro SemEval-2023 Úlohu 12, která se zaměřuje na analýzu sentimentu pro jazyky s nízkými zdroji v Africe. Naše metoda využívá přístupu adaptace domény založeného na jazyce, který využívá adversárního trénování, kde malá verze Afro-XLM-Roberta slouží jako generátorový model a feed-forward síť jako diskriminátor. Zúčastnili jsme se všech tří podúloh: monolingvální (12 stop), multilingvální (1 stop), a zero-shot (2 stopy). Naše výsledky ukazují zlepšení váženého F1 pro 13 ze 15 stop s maximálním nárůstem o 4,3 bodu pro marockou arabštinu ve srovnání s referenční hodnotou. Zjistili jsme, že použití značek založených na rodině jazyků spolu s reprezentacemi vstupu na úrovni sekvence pro model diskriminátoru zlepšuje kvalitu mezi-jazykové analýzy sentimentu pro jazyky, které nebyly viděny během tréninku. Navíc naše experimentální výsledky naznačují, že trénování systému na jazycích, které jsou blízko v jazykovém stromu, zvyšuje kvalitu analýzy sentimentu pro jazyky s nízkými zdroji. Nakonec byla zachována výpočetní složitost kroku predikce na stejné úrovni, což činí přístup zajímavým z praktického hlediska. Kód přístupu lze nalézt v našem repozitáři.

Rok
2023
Strany
1518-1524
Sborník
Proceedings of the The 17th International Workshop on Semantic Evaluation (SemEval-2023)
Konference
The 61st Annual Meeting of the Association for Computational Linguistics, Toronto, CA
ISBN
978-1-959429-99-9
Vydavatel
Association for Computational Linguistics
Místo
Toronto (online), CA
DOI
10.18653/v1/2023.semeval-1.209
EID Scopus
2-s2.0-85161053343
BibTeX 
@INPROCEEDINGS{FITPUB13043,
   author = "Maksim Aparovich and Santosh Kesiraju and Aneta Dufkov\'{a} and Pavel Smr\v{z}",
   title = "FIT BUT at SemEval-2023 Task 12: Sentiment Without Borders - Multilingual Domain Adaptation for Low-Resource Sentiment Classification",
   pages = "1518--1524",
   booktitle = "Proceedings of the The 17th International Workshop on Semantic Evaluation (SemEval-2023)",
   year = 2023,
   location = "Toronto (online), CA",
   publisher = "Association for Computational Linguistics",
   ISBN = "978-1-959429-99-9",
   doi = "10.18653/v1/2023.semeval-1.209",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/13043"
}
Nahoru