SemEval-2022タスク6におけるUTNLP:生成ベースおよび突然変異ベースデータ増強を用いたSarcasm検出の比較分析【JST・京大機械翻訳】

Abaskohi Amirhossein; Rasouli Arash; Zeraati Tanin; Bahrak Behnam

プレプリント

J-GLOBAL ID：202202209693076219 整理番号：22P0333486

SemEval-2022タスク6におけるUTNLP:生成ベースおよび突然変異ベースデータ増強を用いたSarcasm検出の比較分析【JST・京大機械翻訳】

UTNLP at SemEval-2022 Task 6: A Comparative Analysis of Sarcasm Detection Using Generative-based and Mutation-based Data Augmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年06月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

Sarcasmは,モック,刺激,またはアムースの単語の利用に言及する用語である。それはソーシャルメディアに一般的に使用される。サルコサムのメタファリックおよび創造的性質は,感情コンピューティングに基づく感情解析システムにとって大きな困難を示す。本論文では,SemEval-2022共有タスク6において,このチーム(UTNLP)の方法論と結果を,サルコサム検出に関して提示した。著者らは,異なるモデルを提出し,そして,データ増強アプローチを,試験および報告に対して,1つの研究が最良に行った。試験は,従来の機械学習モデルおよび変圧器ベースおよび注意ベースモデルへの進展から始まった。データ突然変異とデータ生成に基づくデータ増強を採用した。RoBERTaと突然変異ベースのデータ増強を用いて,著者らの最良のアプローチは,競争評価フェーズにおいて0.38のF1サルカビリティを達成した。競争後,このモデルの欠陥を固定し,0.414のF1収縮を達成した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , 自然語処理

, , ,

前のページに戻る