NollySenti：利用迁移学习与机器翻译进行尼日利亚电影情感分类
计算与语言
2023-08-23 v2
摘要
非洲有超过2000种本土语言，但由于缺乏数据集，它们在NLP研究中代表性不足。近年来，开发非洲语言标注语料库取得了进展。然而，它们通常仅局限于单一领域，可能无法泛化到其他领域。本文关注跨领域自适应的情感分类任务。我们创建了一个新数据集 NollySenti——基于尼日利亚广泛使用的五种语言（英语、豪萨语、伊博语、尼日利亚皮钦语和约鲁巴语）的诺莱坞电影评论。我们使用经典机器学习方法和预训练语言模型进行了广泛的实证评估。利用迁移学习，我们比较了来自Twitter领域的跨领域自适应以及来自英语的跨语言自适应的性能。我们的评估表明，在相同目标领域下从英语迁移比从同语言Twitter迁移的准确率提升超过5%。为进一步缓解领域差异，我们利用机器翻译（MT）从英语到其他尼日利亚语言，相较于跨语言评估带来了额外7%的提升。尽管到低资源语言的机器翻译质量往往较低，但通过人工评估，我们表明大多数翻译句子保留了原始英语评论的情感。
引用
@article{arxiv.2305.10971,
title = {NollySenti: Leveraging Transfer Learning and Machine Translation for Nigerian Movie Sentiment Classification},
author = {Iyanuoluwa Shode and David Ifeoluwa Adelani and Jing Peng and Anna Feldman},
journal= {arXiv preprint arXiv:2305.10971},
year = {2023}
}
备注
Accepted to ACL 2023 (main conference)