UBC-DLNLP 在 SemEval-2023 任务 12：迁移学习对非洲语言情感分析的影响
计算与语言
2023-04-26 v2
摘要
我们描述了在 SemEval 2023 AfriSenti-SemEval 共享任务中的工作，该任务致力于 14 种不同非洲语言的情感分析。我们在全监督设定下（子任务 A 和 B）开发了单语与多语模型，并为零样本设定（子任务 C）开发了模型。我们的方法涉及使用六个语言模型进行迁移学习实验，包括对其中部分模型进一步预训练以及最终微调阶段。我们性能最佳的模型在开发数据上取得 70.36 的 F1 分数，在测试数据上取得 66.13 的 F1 分数。不出所料，我们的结果证明了迁移学习与微调技术对跨多语言情感分析的有效性。我们的方法可应用于不同语言与领域的其他情感分析任务。
引用
@article{arxiv.2304.11256,
title = {UBC-DLNLP at SemEval-2023 Task 12: Impact of Transfer Learning on African Sentiment Analysis},
author = {Gagan Bhatia and Ife Adebara and AbdelRahim Elmadany and Muhammad Abdul-Mageed},
journal= {arXiv preprint arXiv:2304.11256},
year = {2023}
}
备注
AfriSenti 2023 @ ACL 2023