JNLP at SemEval-2025 Task 11：基于生成模型的跨语言多标签情感检测
计算与语言
2025-05-20 v1 机器学习
摘要
随着全球数字化进程的快速推进，来自不同国家的用户日益依赖社交媒体进行信息交流。在此背景下，基于文本的跨语言多标签情感检测已成为关键研究领域。本研究针对SemEval-2025 Task 11：Bridging the Gap in Text-Based Emotion Detection进行工作。本文聚焦于该任务的两个子赛道：(1) 轨道A：多标签情感检测，(2) 轨道B：情感强度。为解决跨语言挑战，我们利用预训练的多语言模型，关注两种架构：(1) 基于fine-tuned BERT的分类模型，(2) 指令调优生成式大语言模型。此外，我们提出了两种处理多标签分类的方法：基础方法直接将输入映射到其对应的所有情感标签；成对方法则单独建模输入文本与每个情感类别之间的关系。实验结果表明，我们的方法在跨语言情感识别中具有强大的泛化能力。在轨道A中，我们的方法在10种语言中取得Top 4成绩，在印地语中排名第1。轨道B中，我们的方法在7种语言中取得Top 5成绩，凸显了其简洁有效的特点\footnote{我们的代码可在 https://github.com/yingjie7/mlingual_multilabel_emo_detection 查看。
引用
@article{arxiv.2505.13244,
title = {JNLP at SemEval-2025 Task 11: Cross-Lingual Multi-Label Emotion Detection Using Generative Models},
author = {Jieying Xue and Phuong Minh Nguyen and Minh Le Nguyen and Xin Liu},
journal= {arXiv preprint arXiv:2505.13244},
year = {2025}
}
备注
Published in The 19th International Workshop on Semantic Evaluation (SemEval-2025)