LyS_ACoruña 参加 SemEval-2022 任务 10：将现成工具重新用于作为语义依存分析的情感分析
计算与语言
2022-04-28 v1
摘要
本文利用双仿射语义依存分析器、大型预训练语言模型和公开可用的翻译模型，解决了结构化情感分析问题。对于单语设置，我们考虑了：(i) 在单一树库上训练，以及 (ii) 通过在不同语言的树库上训练来放宽设置，这些树库可由跨语言语言模型充分处理。对于零样本设置和给定的目标树库，我们依赖于：(i) 对其他语言中可用树库进行词级翻译，以获得带噪声、语法可能不通但已标注的数据（我们在许可允许范围内尽可能多地发布这些数据），以及 (ii) 合并这些翻译后的树库以获得训练数据。在评估后阶段，我们还训练了跨语言模型，这些模型仅合并所有英语树库而不使用词级翻译，却获得了更好的结果。根据官方结果，我们在单语和跨语言设置中分别排名第 8 和第 9。
引用
@article{arxiv.2204.12820,
title = {LyS_ACoru\~na at SemEval-2022 Task 10: Repurposing Off-the-Shelf Tools for Sentiment Analysis as Semantic Dependency Parsing},
author = {Iago Alonso-Alonso and David Vilares and Carlos Gómez-Rodríguez},
journal= {arXiv preprint arXiv:2204.12820},
year = {2022}
}
备注
To be published at SemEval-2022