JNLP at SemEval-2025 Task 11: Cross-Lingual Multi-Label Emotion Detection Using Generative Models

要約

グローバルデジタル化の急速な進歩により、さまざまな国のユーザーが情報交換のためにソーシャルメディアにますます依存しています。
これに関連して、多言語の多ラーベル感情検出が重要な研究分野として浮上しています。
この研究では、Semeval-2025タスク11：テキストベースの感情検出のギャップを埋めることに対処します。
私たちの論文は、このタスクの2つのサブトラックに焦点を当てています：（1）トラックA：マルチラベル感情検出、および（2）トラックB：感情強度。
多言語の課題に取り組むために、事前に訓練された多言語モデルを活用し、2つのアーキテクチャに焦点を当てます。（1）微調整されたBERTベースの分類モデルと（2）命令チューニング生成LLM。
さらに、マルチラベル分類を処理するための2つの方法を提案します。これは、すべての対応する感情ラベルに入力を直接マッピングするベースメソッドと、入力テキストと各感情カテゴリの関係を個別にモデル化するペアワイズメソッドです。
実験結果は、多言語の感情認識におけるアプローチの強力な一般化能力を示しています。
トラックAでは、この方法は10の言語で上位4パフォーマンスを達成し、ヒンディー語で1位にランクされています。
トラックBでは、私たちのアプローチは7つの言語で上位5パフォーマンスを確保し、そのシンプルさと有効性を強調しています\ footnote {私たちのコードはhttps://github.com/yingjie7/mlingual_multilabel_emo_detectionで入手できます。

要約(オリジナル)

With the rapid advancement of global digitalization, users from different countries increasingly rely on social media for information exchange. In this context, multilingual multi-label emotion detection has emerged as a critical research area. This study addresses SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detection. Our paper focuses on two sub-tracks of this task: (1) Track A: Multi-label emotion detection, and (2) Track B: Emotion intensity. To tackle multilingual challenges, we leverage pre-trained multilingual models and focus on two architectures: (1) a fine-tuned BERT-based classification model and (2) an instruction-tuned generative LLM. Additionally, we propose two methods for handling multi-label classification: the base method, which maps an input directly to all its corresponding emotion labels, and the pairwise method, which models the relationship between the input text and each emotion category individually. Experimental results demonstrate the strong generalization ability of our approach in multilingual emotion recognition. In Track A, our method achieved Top 4 performance across 10 languages, ranking 1st in Hindi. In Track B, our approach also secured Top 5 performance in 7 languages, highlighting its simplicity and effectiveness\footnote{Our code is available at https://github.com/yingjie7/mlingual_multilabel_emo_detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google