ترغب بنشر مسار تعليمي؟ اضغط هنا

Wassa @ Iitk في Wassa 2021: التعلم متعدد المهام والمحول Finetuning لتصنيف العاطفة والتنبؤ التعاطف

WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning for Emotion Classification and Empathy Prediction

439   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تصف هذه الورقة مساهمتنا في المهمة المشتركة Wassa 2021 بشأن التنبؤ بالمساءات وتصنيف العاطفة.كان الهدف الواسع لهذه المهمة هو نموذج درجة التعاطف، ونتيجة استغاثة والمستوى العام للعاطفة للمقال مكتوب استجابة لمقال الصحف المرتبطة بالأذى لشخص ما.لقد استخدمنا نموذج Electra بوفرة ونهج التعلم العميق المتقدمة أيضا مثل التعلم متعدد المهام.بالإضافة إلى ذلك، نحن أيضا الاستفادة من تقنيات تعلم الآلة القياسية مثل الكفر.يحقق نظامنا معامل ارتباط بيرسون من 0.533 في المهمة الفرعية الأولى ونتيجة ماكرو F1 من 0.5528 على المهمة الفرعية الثانية.احتلنا المرتبة الأولى في مهمة تصنيف العاطفة الفرعية والثالث في مهمة التنبؤ بالتعاطف.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

البحوث النشطة المتعلقة بالظاهرة العاطفية للتعاطف والضيق لا يقدر بثمن لتحسين التفاعل بين الإنسان. من الصعب التنبؤ بالتنبؤ بمثل هذه المشاعر المعقدة من البيانات النصية، لأن هذه البنيات متجذرة بعمق في النظرية النفسية. وبالتالي، بالنسبة للتنبؤ بشكل أفضل، يصبح من الضروري مراعاة العوامل المساعدة مثل درجات الاختبارات النفسية والميزات الديموغرافية والمشاعر البدائية الكامنة الكامنة، إلى جانب تعهد النص وتعقيدها النفسي. يحل محل فريق PVG الخاص بهذه الورق هذه المهمة المشتركة ل Wassa 2021 بشأن التنبؤ بالتعاطف والعاطفة في رد الفعل على القصص الإخبارية. الاستفادة من البيانات النصية والميزات الديموغرافية ونتيجة الاختبار النفسي، والانتراء الجوهري للعواطف البدائية والتعاطف، نقترح إطارا متعدد المدخلات، إطار عمل متعدد المهام لمهمة التنبؤ في درجة التعاطف. هنا، يعتبر التنبؤ النتيجة التعاطف المهمة الأساسية، في حين تعتبر تصنيف المشاعر والتعاطف مهام مساعدة ثانوية. لمهمة التنبؤ بالنتيجة الضائقة، يتم تعزيز النظام بالإضافة إلى إضافة ميزات المعجمية. تقدمنا ​​في المرتبة الأولى بناء على متوسط ​​الارتباط (0.545) بالإضافة إلى ارتباط الضيق (0.574)، والثاني لارتباط بيرثوي بيرسيون (0.517).
تقدم هذه الورقة النتائج التي تم الحصول عليها من المهمة المشتركة Wassa 2021 بشأن التنبؤ بالتعاطف والعواطف.تم منح المشاركين إمكانية الوصول إلى مجموعة بيانات تضم ردود أفعال متعاطفية على القصص الإخبارية حيث يتم الإضرار لشخص أو مجموعة أو غيرها.تتكون ردود الفعل هذه من مقالات وقلق تعاطف باتسون، وعشرات الاستغاثة الشخصية، وتم تمديد مجموعة البيانات مع المقالات الإخبارية، والمعلومات الديموغرافية على مستوى الشخص (العمر، والجنس، والعرق، ومستوى الدخل، ومستوى التعليم)، ومعلومات الشخصية.بالإضافة إلى ذلك، أضيفت ملصقات العاطفة، وهي المشاعر الأساسية ل EKMAN، إلى المقالات على مستوى الوثيقة وحكم الجملة.تم تشجيع المشاركة في مسارين: التنبؤ بالتعاطف والتنبؤ بفئات العاطفة.في إجمالي خمسة فرق شاركت في المهمة المشتركة.نحن تلخيص الأساليب والموارد التي تستخدمها الفرق المشاركة.
تصف هذه الورقة تقديمنا لمهمة Wassa 2021 المشتركة فيما يتعلق بالتنبؤ بالتعاطف والضيق والعواطف من القصص الإخبارية.يعتمد الحل على الجمع بين تواتر الكلمات والمعلومات المستندة إلى المعجم والتركيبة السكانية للنظام المعلقين وشخصية المعلقين في نموذج خطي.يتم تنبؤ التعاطف والضيق باستخدام الانحدار الخطي بينما يتم تنفيذ التنبؤ بالعواطف باستخدام الانحدار اللوجستي.يتم تنفيذ كلا المهام باستخدام نفس الميزات.نماذجنا تصنيف 4th للتنبؤ بالعواطف والثاني للتنبؤ بالتعاطف والضيق.هذه النتائج مثيرة للاهتمام بشكل خاص عند اعتبار أن المتطلبات الحسابية للحل هي الحد الأدنى.
العاطفة أساسية للإنسانية.تعد القدرة على إدراك التفاعلات الاجتماعية وتفهمها والاستجابة لها بطريقة تشبه الإنسان واحدة من أكثر القدرات المرجوة في الوكلاء الاصطناعي، خاصة في روبوتات الوسائط الاجتماعية.خلال السنوات القليلة الماضية، كانت التفاهم الحاسوبية والكشف عن الجوانب العاطفية في اللغة حيوية في تقدم التفاعل بين الإنسان والحاسوب.أصدرت المهمة المشتركة WASSA 2021 مجموعة بيانات من قصص الأخبار عبر مسارين، وتتبع 1 لتنبؤ التعاطف والمساء والمسار - 2 لتنبؤ العاطفة متعددة الأبعاد على مستوى المقال.نحن نصف إدخال نظامنا للمهمة المشتركة Wassa 2021 (لكل من المسار-1 والمسار -2)، حيث نستفيد من المعلومات من نماذج اللغة المدربة مسبقا للمهام الخاصة بالمسار.حققت نماذجنا المقترحة درجة متوسط بيرسون من 0.417، ونتيجة ماكرو F1 من 0.502 في المسار 1 والمسار 2، على التوالي.في لوحة المهمة المشتركة، حصلنا على المرتبة الرابعة في المسار 1 والمرتبة الثانية في المسار 2.
تهدف التصنيف متعدد الوسائط واسع النطاق إلى التمييز بين مختلف البيانات متعددة الوسائط، وقد لفت الانتباه بشكل كبير منذ العقد الماضي. في هذه الورقة، نقترح إطارا متعدد المهام في مجال التعلم لمهمة التصنيف المتعدد الوسائط، والتي تتكون من فرعين: فرع متعدد ا لأضوانات متعدد الوسائط وفرع النمذجة متعددة الوسائط المستنتيت بالاهتمام. يمكن أن يتلقى AutoNcoder متعدد الوسائط ميزات متعددة الوسائط والحصول على المعلومات التفاعلية التي تسمى ميزة التشفير متعددة الوسائط، واستخدام هذه الميزة لإعادة تكوين جميع بيانات الإدخال. بالإضافة إلى ذلك، يمكن استخدام ميزة التشفير المتعددة مشروط لإثراء بيانات DataSet RAW، وتحسين أداء مهام المصب (مثل مهمة التصنيف). أما بالنسبة لفرع النمذجة المتعددة الأبعاد القائم على الانتباه، فإننا نوصي أولا آلية الاهتمام لجعل النموذج يركز على الميزات المهمة، ثم نستخدم ميزة التشفير متعددة الوسائط لإثراء معلومات الإدخال، وتحقيق أداء أفضل. نقوم بإجراء تجارب مكثفة على مجموعة بيانات مختلفة، توضح النتائج فعالية الإطار المقترح.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا