基于可信度的透视软件模型集成

西尔维娅·卡索拉,苏打水Lo,瓦莱里奥·巴兹勒,西蒙娜·弗伦达,亚历山德拉·西格纳雷拉,维维亚娜·帕蒂,克里斯蒂娜·博斯科

摘要
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。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。
选集ID：
2023.emnlp-main.212年
体积：
2023年自然语言处理实证方法会议记录
月份：
十二月
年份：
2023
地址：
新加坡
编辑：
Houda Bouamor公司,胡安·皮诺,卡利卡-巴厘岛
地点：
EMNLP公司
SIG公司：
出版商：
计算语言学协会
注：
页：
3496–3507
语言：
网址：
https://aclantology.org/2023.emnlp-main.212
内政部：
10.18653/v1/2023.emnlp-main.212
比比键：
引用（ACL）：
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。
引用（非正式）：
基于可信度的透视软件模型集成（Casola等人，EMNLP 2023）
复制引文：
PDF格式：
https://aclantology.org/2023.emnlp-main.212.pdf
视频：
 https://aclantology.org/2023.emnlp-main.212.mp4网址
PDF格式 引用 搜索 视频