TartuNLP 参与 EvaLatin 2024: 情感极性检测
原文中文，约400字，阅读约需1分钟。发表于：。该研究是关于情绪极性检测在历史拉丁文本中的应用，结合启发式标签和 GPT4 生成标签的监督学习方法，使用参数高效微调和适配器框架，通过 LLM 生成的标签在情绪极性检测任务中取得了第一名的优异成绩，结果表明 LLM 标注对拉丁文本具有良好的潜力。
本文介绍了一种基于情感分析的新数据集和实验结果。实验发现，在议会数据上进行额外预训练可以显著提高模型性能，特别是在情感检测任务上。多语言模型在未知语言上表现良好，并且其他语言的额外数据可以提高目标议会的结果。该研究对社会科学做出了重要贡献，结合计算机科学和计算语言学，建立了一种可靠的政治文本情感分析方法。
