Uddessho：面向低资源孟加拉语的多模态作者意图分类综合基准数据集
计算与语言
2024-09-17 v1
摘要
随着日常信息分享和获取在互联网上的日益普及，本文介绍了一种针对孟加拉语意图分类的创新方法，重点关注社交媒体帖子，因为用户在其中分享想法和观点。所提方法利用多模态数据，特别强调作者身份识别，旨在理解文本内容背后的潜在目的，尤其是在社交媒体上各种用户生成帖子的背景下。当前方法在处理孟加拉语等低资源语言时常常面临挑战，尤其是在社交媒体帖子中作者特征与意图紧密关联的情况下。为解决这一问题，我们提出了基于多模态的孟加拉语作者意图分类（MABIC）框架，利用文本和图像来更深入地洞察所传达的意图。我们创建了一个名为“Uddessho”的数据集，包含来自社交媒体的3,048个实例。我们的方法包括两种文本意图和多模态作者意图分类途径，融合了早期融合和晚期融合技术。在实验中，单模态方法在解释孟加拉语文本意图方面达到了64.53%的准确率。相比之下，我们的多模态方法显著优于传统单模态方法，准确率达到76.19%，提升了11.66%。据我们所知，这是首个针对低资源孟加拉语社交媒体帖子的基于多模态的作者意图分类研究。
关键词
引用
@article{arxiv.2409.09504,
title = {Uddessho: An Extensive Benchmark Dataset for Multimodal Author Intent Classification in Low-Resource Bangla Language},
author = {Fatema Tuj Johora Faria and Mukaffi Bin Moin and Md. Mahfuzur Rahman and Md Morshed Alam Shanto and Asif Iftekher Fahim and Md. Moinul Hoque},
journal= {arXiv preprint arXiv:2409.09504},
year = {2024}
}
备注
Accepted for publication in "18th International Conference on Information Technology and Applications (ICITA 2024)"