AfriSenti：面向非洲语言的推特情感分析基准
计算与语言
2023-11-07 v5
摘要
非洲拥有来自六个以上语系的逾 2000 种语言，是所有大陆中语言多样性最高的。其中包括 75 种每种至少拥有一百万使用者的语言。然而，针对非洲语言的 NLP 研究甚少。实现此类研究的关键在于高质量标注数据集的可得性。在本文中，我们介绍 AfriSenti，一个情感分析基准，包含来自四个语系的 14 种非洲语言（阿姆哈拉语、阿尔及利亚阿拉伯语、豪萨语、伊博语、卢旺达语、摩洛哥阿拉伯语、莫桑比克葡萄牙语、尼日利亚皮钦语、奥罗莫语、斯瓦希里语、提格里尼亚语、契维语、聪加语和约鲁巴语）总计逾 110,000 条推文。这些推文由母语者标注，并用于 AfriSenti-SemEval 共享任务（AfriSenti 共享任务有超过 200 名参与者。见网站 https://afrisenti-semeval.github.io）。我们描述了数据收集方法、标注过程，以及在整理各数据集时所应对的挑战。我们进一步报告了在不同数据集上进行的基线实验，并讨论其实用性。
引用
@article{arxiv.2302.08956,
title = {AfriSenti: A Twitter Sentiment Analysis Benchmark for African Languages},
author = {Shamsuddeen Hassan Muhammad and Idris Abdulmumin and Abinew Ali Ayele and Nedjma Ousidhoum and David Ifeoluwa Adelani and Seid Muhie Yimam and Ibrahim Sa'id Ahmad and Meriem Beloucif and Saif M. Mohammad and Sebastian Ruder and Oumaima Hourrane and Pavel Brazdil and Felermino Dário Mário António Ali and Davis David and Salomey Osei and Bello Shehu Bello and Falalu Ibrahim and Tajuddeen Gwadabe and Samuel Rutunda and Tadesse Belay and Wendimu Baye Messelle and Hailu Beshada Balcha and Sisay Adugna Chala and Hagos Tesfahun Gebremichael and Bernard Opoku and Steven Arthur},
journal= {arXiv preprint arXiv:2302.08956},
year = {2023}
}
备注
14 pages, 3 Figures, 10 Tables