すべての事前学習は同じではない：低資源環境における不均衡なポーラリゼーション課題のための閾値調整とクラス重み付け

Abstract

本論文では、SemEval-2025におけるPolarization Shared Taskへの提出内容を述べる。このタスクは、ソーシャルメディア文における偏向（ポラライゼーション）の検出と分類を扱う。私は、3つのサブタスクにまたがって、英語とスワヒリ語向けのTransformerベースのシステムを開発した。すなわち、(1)二値の偏向検出、(2)複数ラベルの対象タイプ分類、(3)複数ラベルの顕在化（マニフェステーション）同定である。提案手法は、多言語およびアフリカ言語に特化したモデル（mDeBERTa-v3-base、SwahBERT、AfriBERTa-large）、クラス重み付き損失関数、反復的層化データ分割、そしてラベルごとの閾値チューニングを活用し、深刻なクラス不均衡に対処する。最良の構成であるmDeBERTa-v3-baseは、二値検出の検証データにおいて0.8032のmacro-F1を達成し、複数ラベルのタスクでも競争力のある性能を示す（最大0.556 macro-F1）。誤り分析により、暗黙的な偏向、コードスイッチング、そして熱を帯びた政治的言説を真の偏向から区別することに関して、課題が継続的に存在することが明らかになった。