WESSA在SemEval-2020任务9中的表现：使用Transformer的码混合情感分析
计算与语言
2020-09-22 v1 人工智能
摘要
在本文中，我们描述了为SemEval 2020任务9（码混合社交媒体文本情感分析）提交的系统的其他实验。我们性能最佳的系统中一种基于迁移学习的模型，该模型在单语英语和西班牙语数据以及西班牙-英语码混合数据上微调了基于Transformer的多语掩码语言模型“XLM-RoBERTa”。我们的系统在官方排行榜上使用测试集以70.1%的平均F1分数超越了官方任务基线。在后续提交中，我们的系统使用CodaLab用户名“ahmed0sultan”在测试集上取得了75.9%的平均F1分数。
引用
@article{arxiv.2009.09879,
title = {WESSA at SemEval-2020 Task 9: Code-Mixed Sentiment Analysis using Transformers},
author = {Ahmed Sultan and Mahmoud Salim and Amina Gaber and Islam El Hosary},
journal= {arXiv preprint arXiv:2009.09879},
year = {2020}
}
备注
Proceedings of SemEval-2020