PulseAugur
中
实时 02:09:50
English(EN) Beyond Majority Voting: Agreement-Based Clustering to Model Annotator Perspectives in Subjective NLP Tasks

新的聚类方法模拟自然语言处理任务中的标注者视角

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的基于一致性的聚类技术，以更好地模拟主观自然语言处理（NLP）任务中的标注者视角。该方法旨在捕捉标注者之间分歧的细微差别，而这些细微差别通常在传统的多数投票聚合中丢失。在40个数据集和18种语言的文本情感分析、情绪分类和仇恨言论检测实验中，该方法与现有方法相比，显著提高了分类性能。 AI

影响 通过更好地利用标注者分歧来提高主观自然语言处理任务的准确性。

排序理由 该聚类包含一篇详细介绍自然语言处理任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的聚类方法模拟自然语言处理任务中的标注者视角

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Seid Muhie Yimam ·

    Beyond Majority Voting: Agreement-Based Clustering to Model Annotator Perspectives in Subjective NLP Tasks

    Disagreement in annotation is a common phenomenon in the development of NLP datasets and serves as a valuable source of insight. While majority voting remains the dominant strategy for aggregating labels, recent work has explored modeling individual annotators to preserve their p…

相关实体

相关话题