Text Intimacy Analysis using Ensembles of Multilingual Transformers

要約

NLP システムと人間との直接的な対話の増加により、特定のテキストの親密さの推定が最近重要性を増しています。
親密さは自然言語の重要な側面であり、日常のコミュニケーションに大きな影響を与えます。
したがって、親密さのレベルによって、より深い洞察と会話のより豊かな意味論が得られます。
このペーパーでは、指定されたテキストの親密さのレベルを予測するという SemEval 共有タスク 9 での作業を紹介します。
データセットは 10 言語のツイートで構成されており、そのうちトレーニング データセットで利用できるのは 6 言語のみです。
私たちはいくつかの実験を実施し、多言語モデルと言語固有の単言語モデルのアンサンブルが最高のパフォーマンスを発揮することを示しました。
また、翻訳などの他のデータ拡張方法も評価し、結果を提示します。
最後に、結果を徹底的に研究し、この問題についていくつかの注目すべき洞察を示します。

要約(オリジナル)

Intimacy estimation of a given text has recently gained importance due to the increase in direct interaction of NLP systems with humans. Intimacy is an important aspect of natural language and has a substantial impact on our everyday communication. Thus the level of intimacy can provide us with deeper insights and richer semantics of conversations. In this paper, we present our work on the SemEval shared task 9 on predicting the level of intimacy for the given text. The dataset consists of tweets in ten languages, out of which only six are available in the training dataset. We conduct several experiments and show that an ensemble of multilingual models along with a language-specific monolingual model has the best performance. We also evaluate other data augmentation methods such as translation and present the results. Lastly, we study the results thoroughly and present some noteworthy insights into this problem.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google