重複語除去は必要である:希望音声検出におけるデータ不均衡の再検討【JST・京大機械翻訳】

LekshmiAmmal Hariharan RamakrishnaIyer; Ravikiran Manikandan; Nisha Gayathri; Balamuralidhar Navyasree; Madhusoodanan Adithya; Madasamy Anand Kumar; Chakravarthi Bharathi Raja

プレプリント

J-GLOBAL ID：202202216977882203 整理番号：22P0329910

重複語除去は必要である:希望音声検出におけるデータ不均衡の再検討【JST・京大機械翻訳】

Overlapping Word Removal is All You Need: Revisiting Data Imbalance in Hope Speech Detection

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 (7件)： , , , , , ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月11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。

ポジティブ表現を認識するタスクであるHope Speech検出は,最近,重要な歩道をしている。しかし,現在の多くの研究は,データにおける固有の不均衡の問題を考慮しないモデル開発に焦点を合わせている。焦点損失,データ増強,および前処理戦略を導入することによって,希望音声検出におけるこの問題を再調査した。従って,多言語-BERT(M-BERT)訓練プロセスの一部として焦点損失を導入すると,クラス不均衡の影響を軽減し,全F1-Macroを0.11改善することを見出した。同時に,M-BERTによる文脈的およびバック翻訳ベースの単語増強は,不均衡にもかかわらず,ベースラインの0.10による結果を改善する。最後に,前処理に基づく重複単語除去が単純であるが,F1-Macroを0.28改善することを示した。プロセスでは,これらの戦略のそれぞれの異なる行動を示す詳細な研究を提示し,データ不均衡の実世界条件下で,M-BERTの最外に興味を引くために,M-BERTの最外に興味をそそるそれらの経験的結果からの重要な知見を要約した。【JST・京大機械翻訳】

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

パターン認識

, ,

前のページに戻る