@进展中{casola-etal-2023-信心,title=“基于可信度的透视软件模型集成”,author=“卡索拉、西尔维亚和Lo,苏打水和巴兹利、瓦莱里奥和弗伦达、西蒙娜和西格纳雷拉、亚历山德拉和帕蒂、维维亚娜和Bosco,Cristina“,editor=“Bouamor、Houda和皮诺、胡安和巴厘岛,卡利卡”,booktitle=“2023年自然语言处理实证方法会议记录”,月=12月,年=“2023”,address=“新加坡”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.emnlp-main.212”,doi=“10.18653/v1/2023.emnlp main.212”,页码=“3496-3507”,抽象=“最近,NLP领域的研究重点是人们在执行注释任务时选择标签时表现出的可变性。研究表明,利用注释中的分歧可以为准确建模和公平评估提供优势。本文提出了一个强透视模型用于监督分类自然语言的表达。我们的方法结合了几个透视软件模型的预测,使用其个人信心的关键信息来捕获语言现象注释中编码的主观性。我们通过在域内和跨域设置中的两个案例研究(反讽和仇恨语音检测)验证了我们的方法。结果表明,基于可信度的透视软件模型集成似乎有助于在所有场景中提高分类性能。此外,当注释器{'}元数据不可用时,我们通过从注释中自动提取透视图来演示我们的方法的有效性。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“casola-etal-2023-confidence”><标题信息>基于可信度的透视软件模型集成</titleInfo><name type=“personal”>西尔维娅卡索拉<角色>作者</角色></name><name type=“personal”>苏打水<namePart type=“family”>Lo</namePart><角色>作者</角色></name><name type=“personal”>瓦莱里奥巴西勒<角色>作者</角色></name><name type=“personal”>西蒙娜弗兰达<角色>作者</角色></name><name type=“personal”>亚历山德拉西格纳雷拉<角色>作者</角色></name><name type=“personal”>维维亚娜帕蒂<角色>作者</角色></name><name type=“personal”>克里斯蒂娜博世公司<角色>作者</角色></name><originInfo>2023-12年发布</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息><title=2023年自然语言处理经验方法会议记录</title=</titleInfo><name type=“personal”>侯达布阿莫尔<角色>编辑器</角色></name><name type=“personal”>胡安皮诺<角色>编辑器</角色></name><name type=“personal”>卡利卡语巴厘岛<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>新加坡</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>NLP领域的研究最近集中于人们在执行注释任务时选择标签时表现出的可变性。研究表明,利用注释中的分歧可以为准确建模和公平评估提供优势。在本文中,我们提出了一个用于自然语言语句监督分类的强透视模型。我们的方法结合了几个透视软件模型的预测,使用其个人信心的关键信息来捕获语言现象注释中编码的主观性。我们通过在域内和跨域设置中的两个案例研究(反讽和仇恨语音检测)验证了我们的方法。结果表明,基于可信度的透视软件模型集成似乎有助于在所有场景中提高分类性能。此外,当注释器的元数据不可用时,我们通过从注释中自动提取透视图来证明我们的方法的有效性</摘要>卡索拉-塔尔-2023-信心10.18653/v1/2023.emnlp-main.212<位置><网址>https://aclantology.org/2023.emnlp-main.212</url></位置><部分>2023-12年<扩展单元=“page”><开始>3496</开始><end>3507</范围></部分></mods></modsCollection>
%0会议记录%基于T置信度的透视软件模型集成%西尔维娅·卡索拉%A Lo,苏打水%瓦莱里奥·巴兹勒%一个法国人,西蒙%亚历山德拉·奇纳雷拉%维维亚娜·帕蒂%克里斯蒂娜·博斯科%Y Bouamor,Houda公司%胡安·皮诺%Y巴厘岛,卡利卡%2023年自然语言处理实证方法会议论文集%D 2023年%12月8日%计算语言学协会%C新加坡%F casola-etal-2023-信心%最近,NLP领域的X研究关注的是人们在执行注释任务时选择标签时表现出的可变性。研究表明,利用注释中的分歧可以为准确建模和公平评估提供优势。在本文中,我们提出了一个用于自然语言语句监督分类的强透视模型。我们的方法结合了几个透视软件模型的预测,使用其个人信心的关键信息来捕获语言现象注释中编码的主观性。我们通过在域内和跨域设置中的两个案例研究(反讽和仇恨语音检测)验证了我们的方法。结果表明,基于可信度的透视软件模型集成似乎有助于在所有场景中提高分类性能。此外,当注释器的元数据不可用时,我们通过从注释中自动提取透视图来证明我们的方法的有效性。%R 10.18653/v1/2023.emnlp-main.212%U型https://aclantology.org/2023.emnlp-main.212%U型https://doi.org/10.18653/v1/2023.emnlp-main.212%电话:3496-3507
降价(非正式)
[基于可信度的透视软件模型集成](https://aclantology.org/2023.emnlp-main.212)(Casola等人,EMNLP 2023)
国际计算语言学协会
- Silvia Casola、Soda Lo、Valerio Basile、Simona Frenda、Alessandra Cignarella、Viviana Patti和Cristina Bosco。2023基于可信度的透视软件模型集成.英寸2023年自然语言处理实证方法会议记录,第3496–3507页,新加坡。计算语言学协会。