اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدGCDH @ LT-EDI-EACL2021: XLM-Roberta For Hope Cylection Confection باللغة الإنجليزية، المالايالام، والتاميل
GCDH@LT-EDI-EACL2021: XLM-RoBERTa for Hope Speech Detection in English, Malayalam, and Tamil
361
0 0
0.0
(
0
)
نشر من قبل
جمعية اللغويات الحاسوبية ACL مقالة
تاريخ النشر
2021
مجال البحث
الذكاء الاصناعي
والبحث باللغة
English
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تصف هذه الورقة النهج لتحديد خطاب الأمل في نصوص قصيرة وغير رسمية باللغة الإنجليزية والمالايالام والتاميل باستخدام تقنيات تعلم الآلات المختلفة.نوضح أنه حتى الخوارزميات الأساسية البسيطة للغاية تؤدي بشكل جيد في هذه المهمة إذا قدمت بيانات تدريبية كافية.ومع ذلك، فإن خوارزمية أفضل أداء لدينا هي نهج لتعلم التحويلات عبر اللغات التي نغتنم xlm-roberta.
This paper describes approaches to identify Hope Speech in short, informal texts in English, Malayalam and Tamil using different machine learning techniques. We demonstrate that even very simple baseline algorithms perform reasonably well on this task if provided with enough training data. However, our best performing algorithm is a cross-lingual transfer learning approach in which we fine-tune XLM-RoBERTa.
المراجع المستخدمة
https://aclanthology.org/
قيم البحث
اقرأ أيضاً
نظرا لتطوير تكنولوجيا الكمبيوتر الحديثة والزيادة في عدد مستخدمي الوسائط عبر الإنترنت، يمكننا رؤية جميع أنواع المشاركات والتعليقات في كل مكان على الإنترنت.الكلام الأمل لا يمكن أن تلهم فقط المبدعين ولكن أيضا جعل المشاهدين الآخرين ممتعة.من الضروري أن يك
تشف خطاب الأمل بشكل فعال وتلقي تلقائيا.تصف هذه الورقة نهج فريقنا في مهمة الكشف عن الكلام الأمل.نحن نستخدم آلية الاهتمام لضبط وزن جميع طبقات الإخراج من XLM-Roberta للاستفادة الكاملة من المعلومات المستخرجة من كل طبقة، واستخدام المبلغ المرجح لجميع طبقات الإخراج لإكمال مهمة التصنيف.ونحن نستخدم طريقة طية K الطبقية لتعزيز مجموعة بيانات التدريب.نحقق متوسط درجة F1 مرجح من 0.59 و 0.84 و 0.92 من أجل التاميل والمالايالام واللغة الإنجليزية، المرتبة الثالثة والثانية والثانية.
توضح هذه الورقة تقديم فريق IIITK إلى اكتشاف الكلام في الأمل للهاتف والتنوع والإدراج في المهمة المشتركة لغات Dravidian التي نظمتها LT-EDI 2021 ورشة عمل @ EACL 2021. أفضل تكوينات المهام المشتركة تحقق درجات F1 المرجح من 0.60 من أجل التاميل0.83 للمالايال
ام، و 0.93 للغة الإنجليزية.لقد حصلنا على صفوف من 4 و 3 و 2 في التاميل المالايالام والإنجليزية على التوالي.
في عالم مع تحديات خطيرة مثل تغير المناخ والصراعات الدينية والسياسية، والأوبئة العالمية والإرهاب، والتمييز العنصري، وهو إنترنت مليء بخطاب الكراهية، والمحتوى المسيء والهجوم هو آخر شيء نرغب فيه.في هذه الورقة، نعمل على تحديد وتعزيز المحتوى الإيجابي والدا
عم على هذه المنصات.نحن نعمل مع العديد من النماذج القائمة على المحولات لتصنيف تعليقات وسائل التواصل الاجتماعي ككلام نأمل أو عدم الأمل باللغات باللغة الإنجليزية، مالايالام، وتاميل.تصور هذه الورقة عملنا للمهمة المشتركة على اكتشاف خطاب الأمل للهاتف والتنوع والتنوع والإدماج في LT-EDI 2021- EACL 2021. يمكن عرض رموز أفضل طلباتنا.
في هذه الورقة نعمل مع كورسيا الكشف عن الكلام تتضمن مجموعات بيانات اللغة الإنجليزية والتاميل والمالياالام.نقدم آلية مرحلتين لاكتشاف خطاب الأمل.في المرحلة الأولى، نبني مصنف لتحديد لغة النص.في المرحلة الثانية، نبني مصنف للكشف عن خطاب الأمل أو الكلام غير
الأمل أو لا تانج.تظهر النتائج التجريبية أن الكشف عن الكلام الأمل صعبة وهناك مجال للتحسين.
التحليل والكشف عن البيانات المختلطة من الكود أمر حتمي في الأوساط الأكاديمية والصناعة، في بلد متعدد اللغات مثل الهند، من أجل حل المشاكل معالجة اللغة الطبيعية في Apropos.تقترح هذه الورقة ذاكرة قصيرة الأجل الطويلة الأجل (Bilstm) مع النهج القائم على الاه
تمام، في حل مشكلة الكشف عن الكلام الأمل.باستخدام هذا النهج، تم تحقيق نتيجة F1 من 0.73 (9 أنثو) في مجموعة بيانات ملليالامية - من بين ما مجموعه 31 فريقا شاركت في المسابقة.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
