Core Concepts
GoEmotionsデータセットにおける微細な感情検出の分類性能を向上させるための手法と結果に焦点を当てる。
Abstract
この論文は、GoEmotionsデータセットにおける微細な感情検出の分類性能向上に取り組んでいます。研究者は、BERTモデルをファインチューニングし、異なるカテゴリー間で転移学習を適用することで、28ラベル分類タスクで0.49のマクロ平均F1スコアを達成しました。また、CARERデータセットを導入した転移学習実験では、精度や再現率が向上しました。さらに、データ拡張戦略も効果的であり、特に低性能カテゴリーへの適用が有益であることが示されました。
Stats
GoEmotionsデータセット:58k Redditコメント
27感情カテゴリー+ニュートラルラベル
ファインチューニング後のBERTモデル:0.49マクロ平均F1スコア
Quotes
"CARERデータセットの導入は明らかなパフォーマンス向上をもたらします。"
"プロト拡張されたトレーニングセットでは、CARER-BERTはBERTよりも優れたパフォーマンスを発揮します。"