RSM-NLP 在 BLP-2023 任务 2 中的工作：基于加权与多数投票微调 Transformer 的孟加拉语情感分析
计算与语言
2023-10-24 v1 人工智能
机器学习
摘要
本文描述了我们在 BLP 研讨会共享任务 2——孟加拉语社交媒体帖子情感分析——中所提交方案的方法。情感分析是数字时代的一个行动研究领域。随着在线社交媒体站点与服务的快速且持续增长，以及文本数据量的不断增加，自动情感分析的应用正在上升。然而，该领域大多数研究基于英语。尽管孟加拉语是世界上第六大广泛使用的语言，针对其所做的工作却很少。该任务旨在推动孟加拉语情感分析的研究，同时通过判定文本中所表达情感为正面、负面或中性来识别社交媒体内容的极性。我们的方法包括在各种多语言及基于 BERT 的预训练模型上针对下游任务进行实验与微调，并使用多数投票与加权集成模型，其性能优于单个基线模型分数。我们的系统在多类分类任务上得分为 0.711，并在该共享任务的排行榜上位列参与者第 10 名。我们的代码可在 https://github.com/ptnv-s/RSM-NLP-BLP-Task2 获取。
引用
@article{arxiv.2310.14261,
title = {RSM-NLP at BLP-2023 Task 2: Bangla Sentiment Analysis using Weighted and Majority Voted Fine-Tuned Transformers},
author = {Pratinav Seth and Rashi Goel and Komal Mathur and Swetha Vemulapalli},
journal= {arXiv preprint arXiv:2310.14261},
year = {2023}
}
备注
Accepted at The 1st Workshop on Bangla Language Processing (BLP 2023), EMNLP 2023