TEII：利用大语言模型进行思考、解释、交互和迭代以解决跨语言情感检测
计算与语言
2024-07-03 v2 人工智能
摘要
跨语言情感检测使我们能够大规模分析全球趋势、公众舆论和社会现象。我们参加了跨语言情感检测的可解释性（EXALT）共享任务，在情感检测子任务的评估集上取得了0.6046的F1分数。我们的系统比基线高出超过0.16的绝对F1分数，在竞争系统中排名第二。我们使用微调、零样本学习和少样本学习对基于大语言模型（LLM）的模型进行了实验，以及基于嵌入的BiLSTM和KNN用于非LLM技术。此外，我们引入了两种新方法：多迭代代理工作流和多二元分类器代理工作流。我们发现基于LLM的方法在多语言情感检测上提供了良好的性能。此外，结合所有实验模型的集成方法比任何单一方法都获得了更高的F1分数。
引用
@article{arxiv.2405.17129,
title = {TEII: Think, Explain, Interact and Iterate with Large Language Models to Solve Cross-lingual Emotion Detection},
author = {Long Cheng and Qihao Shao and Christine Zhao and Sheng Bi and Gina-Anne Levow},
journal= {arXiv preprint arXiv:2405.17129},
year = {2024}
}
备注
Proceedings of the 13th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis (ACL 2024)