多语言多标签情感分析提出动态加权方法

Selim F. Yilmaz 等作者提交论文修订版，提出一个面向100种语言的跨语言多标签情感分析框架：训练中用动态加权平衡各类别贡献，替代按类别频率设定固定权重的静态加权，并把单标签目标识别中的 focal loss 适配到多标签场景。 该方法还给出以线性时间复杂度选取最大化 macro-f1 的类别专属阈值的方法。作者称，单一模型在3种语言的9项指标中7项取得 SOTA，优于 SemEval 竞赛基线及最佳方法；代码已公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。