Automatische Annotation und Analyse der Emotionspolariät in lateinischer Poesie

Dieser Beitrag beschreibt Methoden zur automatischen Annotation und Analyse der Emotionspolariät in lateinischen Texten, insbesondere in der Poesie. Aufgrund des geringen Ressourcenangebots für Latein und der Komplexität von Sentiment in rhetorischen Genres wie Poesie, wurden die verfügbaren Daten durch automatische Polariätannotation erweitert. Es werden zwei Methoden auf der Basis des k-Means-Algorithmus vorgestellt und eine Vielzahl lateinischer Sprachmodelle in einer neuronalen Architektur eingesetzt, um die zugrunde liegenden kontextuellen Sentimentrepräsentationen besser zu erfassen. Der beste Ansatz erreichte den zweithöchsten makrogemittelten Macro-F1-Wert auf dem Testdatensatz der Shared Task.