BriefGPT - AI 论文速递
·
社会语言学驱动的可解释性：一项关于印汉混合语情感分类的案例研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了SemEval-2020任务9关于混合代码推文情感分析（SentiMix 2020）的结果，包括Hinglish和Spanglish语料库的标记和描述。最佳表现分别为75.0％和80.6％的F1得分。观察到BERT-like模型和集合方法是最常见和成功的方法。
🎯
关键要点
- 本文介绍了SemEval-2020任务9的混合代码推文情感分析结果。
- 发布了Hinglish和Spanglish语料库，包含单词级别语言识别和句子级别情感标签。
- Hinglish和Spanglish的最佳F1得分分别为75.0%和80.6%。
- BERT-like模型和集合方法是比赛中最常见和成功的方法。
➡️
