توفر منصة خدمة البث مثل YouTube وظيفة مناقشة للجماهير في جميع أنحاء العالم لمشاركة التعليقات. YouTubers الذين يقومون بتحميل مقاطع الفيديو على منصة YouTube ترغب في تتبع أداء مقاطع الفيديو التي تم تحميلها. ومع ذلك، فإن مهام التحليل الحالية من YouTube ت
وفر فقط بعض مؤشرات الأداء مثل متوسط مدة العرض، سجل التصفح، والتباين في التركيبة السكانية للجمهور، وما إلى ذلك، ونقص تحليل المعنويات بشأن تعليقات الجمهور. لذلك، تقترح الورقة مؤشرات المعنويات متعددة الأبعاد مثل تفضيلات YouTuber وتفضيلات الفيديو ومستوى الإثارة لالتقاط مشاعر شاملة بشأن تعليقات الجمهور لمقاطع الفيديو ويوتيوغتر. لتقييم أداء الطبقات المختلفة، نقوم بتجربة معصوص قائما على التعلم والتعلم ومقرها في التعلم، ويكتشف تلقائيا ثلاثة مؤشرات معنويات لتصريحات الجمهور. تشير النتائج التجريبية إلى أن المصنف المستند إلى BERT يعد نموذج تصنيف أفضل من الطبقات الأخرى وفقا لنتيجة F1، ومؤشر المعنويات على مستوى الإثارة هو تحسن تماما. لذلك، يمكن حل مهام الكشف عن المعنويات المتعددة على منصة خدمة تدفق الفيديو من خلال مؤشرات المعنويات متعددة الأبعاد المقترحة مصحوبة مع مصنف Bert للحصول على أفضل نتيجة.
يهدف هذا التقرير الفني إلى المهمة المشتركة في Rocling 2021: تحليل المعنويات الأبعاد للنصوص التعليمية.من أجل التنبؤ بالحالات العاطفية للنصوص التعليمية الصينية، نقدم إطارا عمليا من خلال توظيف نماذج اللغة المدربة مسبقا، مثل بيرت و Macbert.يمكن استخلاص ا
لعديد من الملاحظات والتحليلات القيمة من سلسلة من التجارب.من النتائج، نجد أن الأساليب المستندة إلى Macbert يمكن أن توفر نتائج أفضل من الأساليب القائمة على BERT على مجموعة التحقق.لذلك، نحن متوسط نتائج التنبؤ بالعديد من النماذج التي تم الحصول عليها باستخدام إعدادات مختلفة كإخراج نهائي.
نحن نستخدم محولات Macbert وضبطها بشكل جيد على المهام المشتركة Rocling-2021 باستخدام بيانات CVAT و CVAS.قارنا أداء ماكبيرت مع اثنين من المحولاتين الآخرين وروبرتا في الأبعاد الإثارة، على التوالي.تم استخدام معامل ماي والارتباط (ص) كمقاييس التقييم.على مج
موعة اختبار Rocling-2021، يحقق نموذج Macbert المستخدم الخاص بنا 0.611 من MAE و 0.904 من R في أبعاد التكافؤ؛و 0.938 من ماي و 0.549 من ص في البعد الإثرا.
