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。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問