要約
この論文は、TartuNLP チームが EvaLatin 2024 に提出した、歴史的なラテン語テキストの感情極性検出の共有タスクを紹介します。
私たちのシステムは、教師あり学習のトレーニング データに注釈を付けるための 2 つの異なるアプローチに依存しています。1) 主催者が提供する極性レキシコンを採用してヒューリスティック ベースのラベルを作成する、2) GPT4 を使用してラベルを生成する。
私たちは、アダプター フレームワークを使用したパラメーターの効率的な微調整を採用し、言語アダプターとタスク アダプターのトレーニングについて、単一言語と言語間の両方の知識伝達を実験しました。
LLM で生成されたラベルを使用して提出したものは、感情極性検出タスクで総合 1 位を獲得しました。
私たちの結果は、LLM ベースの注釈がラテン語のテキストに対して有望な結果を示すことを示しています。
要約(オリジナル)
This paper presents the TartuNLP team submission to EvaLatin 2024 shared task of the emotion polarity detection for historical Latin texts. Our system relies on two distinct approaches to annotating training data for supervised learning: 1) creating heuristics-based labels by adopting the polarity lexicon provided by the organizers and 2) generating labels with GPT4. We employed parameter efficient fine-tuning using the adapters framework and experimented with both monolingual and cross-lingual knowledge transfer for training language and task adapters. Our submission with the LLM-generated labels achieved the overall first place in the emotion polarity detection task. Our results show that LLM-based annotations show promising results on texts in Latin.
arxiv情報
| 著者 | Aleksei Dorkin,Kairit Sirts |
| 発行日 | 2024-05-02 10:28:52+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google