Die Studie untersucht verschiedene Methoden zur automatischen Annotation von Texten mit kontinuierlichen Werten für Emotionsintensität. Dabei werden direkte Bewertungsskalen, Paarvergleiche und Best-Worst-Skalierung miteinander verglichen.
Die Ergebnisse zeigen, dass die Best-Worst-Skalierung die zuverlässigsten Annotationen liefert, sowohl im direkten Vergleich mit manuellen Annotationen als auch in der indirekten Evaluation durch das Training eines Regressionsmodells.
Die Leistung der Regressionsmodelle, die auf den automatischen Annotationen trainiert wurden, ist nahezu gleichwertig mit Modellen, die auf manuellen Annotationen trainiert wurden. Durch Erhöhung der Anzahl der annotierten Texttuples konnte die Qualität der automatischen Annotationen weiter gesteigert werden.
Die Studie zeigt, dass automatische Annotationsmethoden wie Best-Worst-Skalierung eine vielversprechende Alternative zu manuellen Annotationen darstellen können, insbesondere für die Vorhersage von Emotionsintensität in Texten.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問