Edione @ LT-EDI-EACL2021: المحولات المدربة مسبقا مع الشبكات العصبية التنافسية للكشف عن الكلام الأمل.

الأمل هو جانب أساسي من استقرار الصحة العقلية والانتعاش في كل فرد في هذا العالم سريع المتغير.ستكون أي أدوات وأساليب تم تطويرها للكشف والتحليل وتوليد خطاب الأمل مفيدا.في هذه الورقة، نقترح نموذجا على اكتشاف الأمل في الأمل للكشف تلقائيا عن محتوى الويب الذي قد يلعب دورا إيجابيا في نشر العداء على وسائل التواصل الاجتماعي.نحن نقوم بإجراء التجارب من خلال الاستفادة من نماذج معالجة ما قبل المعالجة والنقل.لاحظنا أن نموذج بيرت متعدد اللغات المدرب مسبقا مع الشبكات العصبية للتنزل أعطى أفضل النتائج.تصنيفنا في المرتبة الأولى والثالث والرابع في المرتبة الإنجليزية ومالايالامية والإنجليزية ومجموعات البيانات المختلطة من التاميل والإنجليزية.

Hope is an essential aspect of mental health stability and recovery in every individual in this fast-changing world. Any tools and methods developed for detection, analysis, and generation of hope speech will be beneficial. In this paper, we propose a model on hope-speech detection to automatically detect web content that may play a positive role in diffusing hostility on social media. We perform the experiments by taking advantage of pre-processing and transfer-learning models. We observed that the pre-trained multilingual-BERT model with convolution neural networks gave the best results. Our model ranked first, third, and fourth ranks on English, Malayalam-English, and Tamil-English code-mixed datasets.