基于增量适应的波斯语情感分析少样本跨语言学习
计算与语言
2025-07-17 v1 人工智能
摘要
本研究探讨了如何在波斯语情感分析中应用少样本学习和增量学习方法进行跨语言情感分析。主要目标是开发一种能够使用有限数据、同时从高资源语言获取先验知识的情感分析模型。为实现此目标，我们采用了三种预训练的多语言模型（XLM-RoBERTa、mDeBERTa 和 DistilBERT），并使用少样本和增量学习方法，在来自 X、Instagram、Digikala、Snappfood 和 Taaghche 等多样来源的波斯语小样本数据上进行微调。这种多样性使模型能够从广泛的上下文中学习。实验结果表明，mDeBERTa 和 XLM-RoBERTa 达到了在波斯语情感分析上达到 96% 准确率的高性能。这一发现凸显了将少样本学习和增量学习与多语言预训练模型结合的有效性。
引用
@article{arxiv.2507.11634,
title = {Cross-lingual Few-shot Learning for Persian Sentiment Analysis with Incremental Adaptation},
author = {Farideh Majidi and Ziaeddin Beheshtifard},
journal= {arXiv preprint arXiv:2507.11634},
year = {2025}
}
备注
Proceedings of the First National Conference on Artificial Intelligence and Emerging Research: Convergence of Humans and Intelligent Systems