概要：感情理解モデルの開発と統合は、顧客フィードバック分析、マーケティングリサーチ、ソーシャルメディア監視など、幅広い人間とコンピュータの相互作用タスクにとって不可欠です。ユーザーはしばしば1つの事例の中で複数の感情を同時に表現するため、この複雑さを捉えるには感情データセットをマルチラベル形式で注釈することが重要です。エチオピアの言語向けの多言語・マルチラベル感情データセットである EthioEmo は、感情の強度注釈が欠如しており、すべての感情が同じ強度で表現されるわけではないため、さまざまな感情の程度を識別するのに重要です。私たちはこのギャップを埋めるため、感情強度注釈を追加して EthioEmo データセットを拡張します。さらに、この拡張データセット上で最先端のエンコーダー専用の事前学習言語モデル（PLMs）と大規模言語モデル（LLMs）をベンチマークします。私たちの結果は、アフリカ中心のエンコーダー専用モデルが一貫してオープンソースの LLMs を上回ることを示しており、感情理解における文化的・言語的に合わせた小型モデルの重要性を強調しています。マルチラベル感情分類のために感情強度機能を組み込むと、性能が向上します。データは https://huggingface.co/datasets/Tadesse/EthioEmo-intensities で利用可能です。
返却形式: {"translated": "翻訳されたHTML"}
