Jun, 2024

ThatiAR：阿拉伯新闻句子主观性检测

PDF
TL;DR本研究介绍了第一个用于阿拉伯语主观性检测的大型数据集，包括约 3.6K 个手动注释的句子，并基于 GPT-4o 提供解释。我们还提供了英语和阿拉伯语的说明以便进行基于 LLM 的微调，并进行了数据集、注释过程以及广泛基准测试结果的深入分析，包括预训练语言模型 (PLMs) 和 LLMs。我们的分析表明，注释者在注释过程的开始阶段受到其政治、文化和宗教背景的强烈影响。实验结果表明，具有上下文学习的 LLMs 表现更好。我们旨在向社区发布该数据集和资源。
subjectivity detectionarabicdatasetannotation processllms
发现论文，激发创造
  • 英文新闻文章句子级主观性检测语料库

    该研究介绍了一个用于句子级别主体性检测的新语料库，其中包括英语政治事务的主观句子和客观句子，同时开发了新的标注指南和使用最新的多语言转换模型，使得该语料库能够用于英语和其他语言的主体性检测，并在其他语言丰富资源的情况下，提高了该任务的结果。

    May, 2023

  • Gpachov 在 CheckThat！2023 中的新闻文章主观性检测的多元多途径集成

    社交网络的广泛使用导致互联网上存在主观、误导甚至虚假信息。因此，主观性检测可以在确保信息的客观性和质量方面发挥重要作用。本文介绍了 Gpachov 团队在 CLEF-2023 CheckThat！实验室任务 2 中构建的解决方案，该解决方案涉及三个不同的研究方向，采用了微调句子嵌入编码器模型和降维、样本高效少样本学习模型以及多语言数据集上微调多语言转换器等方法，并通过简单多数投票集成的方式融合三种方法，在测试集上达到 0.77 的宏 F1，并在英语子任务上获得第二名。

    Sep, 2023

  • 生成和检测阿拉伯语操纵和虚假新闻的机器

    本论文提出了一种利用真实新闻和 POS 标注生成阿拉伯语虚假新闻的新方法，并开发了第一届阿拉伯语虚假新闻检测模型，该模型通过使用基于 AraNews 的生成式新闻实现了最新的 F1=70.06 的结果，所有研究中使用的数据和模型都是公开可用的。

    Nov, 2020

  • 文本自动消除主观偏见

    本研究提出了一个新的自然语言生成平台，用于将带有主观倾向的文本转化为客观中立的文本，还提出了一个包含 180000 个句子对的重要语料库，并介绍了两种针对该任务的强大编解码器基线，同时进行了大规模人类评估，结果表明这些算法是自动识别和减少偏见的第一步。

    Nov, 2019

  • ArSentD-LEV：基于目标词的阿拉伯黎凡特推文情感分析的多主题语料库

    本研究介绍了一个阿拉伯方言情感数据集（ArSenTD-LEV），包含 4,000 条推文，并提供了整体情感、情感表达方式、情感表达目标和推文主题等注释，研究结果表明这些注释可以提高基线情感分类器的性能，也确认了训练与测试领域不匹配的差距。

    May, 2019

  • 面向主观多任务自然语言处理问题的基于模型的数据获取

    通过新的基于模型的方法，我们提出了一种在多任务场景中为每个文本选择逐个注释的任务的方式，从而最大程度地减少注释数量，并且几乎不损失知识，同时还强调了根据注释任务的主观性收集多样化数据以有效训练模型的需求，并通过在单任务和多任务场景中评估模型来衡量主观任务之间的关系，此外，对于某些数据集，仅依靠我们模型预测的标签进行训练，可作为自监督学习规范化技术，提高任务选择的效率。

    Dec, 2023

  • 使用多任务学习和 BERT 嵌入进行极性和主观性检测

    本文提出了一种基于深度多任务学习的架构，通过使用预训练的 BERT 和 Glove 词向量嵌入，采用基于注意力机制的多任务模型，实现了情感极性和主观性检测，并且与先前的单任务和多任务模型进行了比较，提高了基准性能。

    Jan, 2022

  • 一种面向阿拉伯语言的观点持有者提取的机器学习方法

    本研究提出了一种用于阿拉伯新闻中的观点持有者识别的方法，通过使用条件随机场和半监督模式识别技术进行特征分析，成功构建了一个综合特征集来弥补阿拉伯语言结构解析的不足，通过交叉验证实验达到了 54.03 % 的 F-measure，同时还公开了我们的研究结果语料库和词典，为推动观点挖掘的进一步研究提供了有力的支持。

    Apr, 2012

  • 基于大型语言模型的阿拉伯法律裁决预测

    在阿拉伯法律分析领域中，我们的研究通过使用现有最先进的大型语言模型，全面预测了一批基于商业法庭真实案例的阿拉伯法院判决。通过评估不同预训练模型和训练方法的性能，并采用不同的评估指标，我们发现基于 GPT-3.5 的模型在所有模型中表现最佳，超过专门针对阿拉伯文的 JAIS 模型平均得分的 50%。同时，我们还发现大语言模型在法院判决预测中的性能评估除了人工评估之外的其他指标都是不一致且不可靠的。本研究为未来的研究奠定了基础，弥合计算语言学与阿拉伯法律分析之间的差距。

    Oct, 2023

  • DWReCO 在 CheckThat! 2023 中通过基于样式的数据采样增强主观性检测

    我们使用 GPT-3 模型和基于新闻透视的主观性检查表的不同样式提示生成额外的训练材料，通过 fine-tune 语言特定的 Transformer 模型来解决任务中的类别不平衡问题，并证明不同主观风格在英语、德语和土耳其语的实验中都有效。此外，我们观察到在土耳其语和英语中，基于样式的过采样比释义更好。最后，当在非英语语言中生成基于样式的文本时，GPT-3 模型有时会产生平庸的结果。

    Jul, 2023