基于 Transformer 的多语言希望言语检测模型
计算与语言
2026-02-03 v1
摘要
本文描述了提交至 RANLP2025 "PolyHope-M" 任务的系统。本工作实现并评估了 various transformers 用于英语和德语的希望言语检测。为英语实现了 RoBERTa，而为两种语言都实现了多语言模型 XLM-RoBERTa。使用 RoBERTa 的所提出系统在英语上报告了加权 F1 分数为 0.818，准确率为 81.8%。另一方面，XLM-RoBERTa 在英语和德语上分别实现了加权 F1 分数为 0.786 和 78.5% 的准确率。这些结果反映了大型预训练语言模型改进的重要性，以及这些模型如何提升不同自然语言处理任务的性能。
引用
@article{arxiv.2602.00613,
title = {Transformer-Based Model for Multilingual Hope Speech Detection},
author = {Nsrin Ashraf and Mariam Labib and Hamada Nayel},
journal= {arXiv preprint arXiv:2602.00613},
year = {2026}
}
备注
5 pages, 1 figure, PolyHope-M shared task at RANLP2025