Building a robust sentiment lexicon with (almost) no resource
Aix-Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）
创建情感极性词典是劳动密集型的。从资源丰富的语言中自动翻译它们需要域内机器翻译系统，该系统依赖于大量的双文本。在本文中，我们提出了取代机器翻译从词汇通过词嵌入对齐跨语言的一个简单的线性变换。与机器翻译相比，该方法在对来自四种语言的推文进行情感极性分类测试时没有降级。
2016-12-15 cs.CL
Machine Translation for Machines: the Sentiment Classification Use Case
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；University of Trento（特伦托大学）
我们提出了一种神经机器翻译（NMT）方法，该方法不是追求充分性和流畅性（“以人为本”的质量标准），而是旨在生成最适合作为为特定下游任务设计的自然语言处理组件的输入的翻译（“面向机器”的标准）。为了实现这一目标，我们提出了一种基于新的候选抽样策略的强化学习技术，该策略利用下游任务作为弱反馈获得的结果。在德语和意大利语的Twitter数据的情感分类实验表明，喂养一个英语分类器与面向机器的翻译显着提高其性能。分类结果优于通用NMT模型产生的翻译以及基于强化学习的方法。此外，我们对这两种语言的结果近似的黄金标准英语推文计算的分类精度。
2019-10-01 cs.CL
Towards Computational Linguistics in Minangkabau Language: Studies on Sentiment Analysis and Machine Translation
The University of Melbourne（墨尔本大学）；Andalas University（安达拉斯大学）
尽管一些语言学家（Rusmali等人，一九八五年; Crouch，2009）已经相当尝试定义米南卡堡语的词法和句法，但由于注释资源的稀缺，这种语言的信息处理仍然缺乏。在这项工作中，我们发布了两个米南卡堡语料库：情感分析和机器翻译，收获和构建从Twitter和维基百科。我们使用经典的机器学习和序列到序列模型（如LSTM和Transformer）在米南卡堡语言中进行了第一次计算语言学。我们的第一个实验表明，当使用印度尼西亚语训练的模型进行测试时，米南卡堡文本的分类性能显着下降。然而，在机器翻译实验中，使用双语词典的简单逐字翻译在BLEU得分方面优于LSTM和Transformer模型。
2020-09-19 cs.CL
Sarcasm SIGN: Interpreting Sarcasm with Sentiment Based Monolingual Machine Translation
Technion, IIT（以色列理工学院）
讽刺是一种说话的形式，说话者为了表达强烈的感情而说出与真实意思相反的话。换句话说，“讽刺是我所说的和不明白的人之间的巨大鸿沟。".在本文中，我们提出了一个新的任务，讽刺的解释，定义为一个非讽刺话语传达相同的信息作为原来的讽刺之一的生成。我们介绍了一个新的数据集的3000个讽刺的推文，每个解释由五个人类法官。针对单语机器翻译（MT）的任务，我们实验MT算法和评估措施。然后，我们提出了SIGN：一个基于MT的讽刺解释算法，目标是情感词，文本讽刺的定义元素。我们发现，虽然基于n-gram的自动测量的分数对于所有解释模型都是相似的，但SIGN的解释在充足性和情感极性方面被人类得分更高。最后，我们讨论了未来的研究方向，我们的新任务。
2017-04-22 cs.CL
A Semi-supervised Approach for a Better Translation of Sentiment in Dialectical Arabic UGT
University of Surrey（萨里大学）；University of Wolverhampton（伍尔弗汉普顿大学）；De Montfort University（德蒙福特大学）
针对方言阿拉伯语UGT到英语翻译中情感极性易反转且平行数据稀缺的问题，提出结合单语与平行数据、由跨语言语言模型初始化NMT的半监督方法，并以情感接近度和人工评估验证其纠错效果。
2023-06-08 cs.CL
Bilingual Sentiment Embeddings: Joint Projection of Sentiment Across Languages
Institut für Maschinelle Sprachverarbeitung（机械语言处理研究所）；University of Stuttgart（斯图加特大学）
低资源语言中的情感分析缺乏注释语料库来估计高性能模型。机器翻译和双语词嵌入通过跨语言情感方法提供了一些缓解。然而，它们要么需要大量的并行数据，要么不能充分捕获情感信息。我们引入双语情感嵌入（BLSE），共同代表情感信息的源和目标语言。该模型只需要一个小的双语词典，一个源语言语料库注释的情绪，和每种语言的单语词嵌入。我们对三种语言组合（西班牙语、加泰罗尼亚语、巴斯克语）进行了句子级跨语言情感分类实验，发现我们的模型在六个实验设置中的四个上显着优于最先进的方法，并且捕获了补充信息到机器翻译。我们对所得到的嵌入空间的分析提供了证据，证明它代表了资源贫乏的目标语言中的情感信息，而没有该语言中的任何注释数据。
2018-05-23 cs.CL
Sentiment Analysis Across Languages: Evaluation Before and After Machine Translation to English
IIIT Delhi（德里印度信息技术学院）
本文评估了Transformer模型在多语言数据与机器翻译成英语的文本上的情感分析性能，揭示了跨语言场景下的表现差异，并探讨了不足与未来方向。
2024-09-02 cs.AI cs.CL
Sentiment-based Candidate Selection for NMT
Dartmouth College（达特茅斯学院）；Boston University（波士顿大学）
用户生成内容（UGC）的爆炸式增长-例如社交媒体帖子，评论和评论-推动了针对这些类型的非正式文本的NLP应用程序的开发。在这些应用中流行的是情感分析和机器翻译（MT）。基于观察到的UGC功能高度地道，情感充电的语言，我们提出了一个解码器端的方法，将自动情感评分到MT候选人的选择过程。我们训练独立的英语和西班牙语情感分类器，然后使用由具有束搜索的基线MT模型生成的n个最佳候选者，选择使源句子的情感得分与翻译的情感得分之间的绝对差异最小化的候选者，并执行人工评估以评估产生的翻译。与以前的工作不同，我们通过考虑源句子和翻译在连续时间间隔上的情感得分来选择这种最小分歧的翻译，而不是使用例如二进制分类，从而允许更细粒度地选择翻译候选。人工评估的结果表明，与开源MT基线模型相比，我们基于情感的管道构建在其之上，我们的管道可以更准确地翻译口语化，情感沉重的源文本。
2021-04-10 cs.AI cs.CL cs.LG
NollySenti: Leveraging Transfer Learning and Machine Translation for Nigerian Movie Sentiment Classification
Montclair State University（蒙特克莱尔州立大学）；University College London（伦敦大学学院）
针对非洲语言NLP数据集匮乏、跨领域泛化性差的问题，构建了覆盖尼日利亚五种语言的电影评论情感数据集NollySenti，验证了同领域英语迁移+机器翻译的跨领域情感分类方案效果更优。
2023-08-22 cs.CL
Sentiment Perception Adversarial Attacks on Neural Machine Translation Systems
University of Cambridge（剑桥大学）
本研究从输出感知角度探索NMT系统的对抗攻击，通过微小的不可感知输入改变显著改变输出序列的情感感知，利用代理深度学习分类器验证攻击有效性。
2023-06-25 cs.AI cs.CL
LACA: Improving Cross-lingual Aspect-Based Sentiment Analysis with LLM Data Augmentation
Department of Computer Science and Engineering（计算机科学与工程系）；NTIS – New Technologies for the Information Society University of West Bohemia in Pilsen, Faculty of Applied Sciences（新信息技术社会大学西波希米亚大学皮尔森分校应用科学学院）
提出LACA框架，利用LLM生成高质量伪标注数据替代翻译工具，通过训练ABSA模型预测并生成自然句子进行微调，在六种语言和五个模型上超越现有翻译方法。
2025-08-13 cs.CL
Contribution au Niveau de l'Approche Indirecte à Base de Transfert dans la Traduction Automatique
UNIVERSITE FERHAT ABBAS – SETIF 1（费哈特·阿巴斯大学-塞提夫1号）；Faculté des Sciences（理学院）；Université El Oued（乌埃勒大学）；Université Sétif -1-（塞提夫1号大学）；Université Souk Ahras（苏克阿赫拉斯大学）；Université BBA（巴特纳大学）
在这篇论文中，我们讨论了几个重要的问题，阿拉伯语的形态分析应用于文本数据和机器翻译。首先，我们概述了机器翻译、其历史和发展，然后我们展示了人工翻译技术，以最终启发机器翻译，并展示了语言方法，特别是间接转移方法。最后，我们介绍了我们在多语言信息检索和机器翻译等计算机语言学中的形态句法问题的解决方面所做的贡献。作为第一个贡献，我们开发了一个阿拉伯语的形态分析器，我们已经利用它在双语信息检索，如多语种文献的计算机应用。结果验证显示了具有统计学意义的性能。在第二篇贡献中，我们提出了一系列从英语到阿拉伯语的形态句法转换规则，可分三个阶段进行翻译：分析、转换、生成。我们专注于转移阶段，没有语义失真的抽象英语在一个足够的阿拉伯语子集。
2019-11-16 cs.CL
Evaluating Indirect Strategies for Chinese-Spanish Statistical Machine Translation
Institute for Infocomm Research（信息通信研究所）
尽管汉语和西班牙语是世界上使用最多的两种语言，但对这两种语言的机器翻译研究并不多。统计机器翻译是当今最流行的机器翻译方法之一。为了这个目的，我们报告的细节，可用的平行语料库是基本的旅行者表达语料库（BTEC），圣经和联合国（UN）。此外，我们进行了实验工作，这三个语料库中最大的探索替代SMT策略，通过使用枢轴语言。三种替代方案被认为是枢：级联，伪语料库和三角测量。作为枢纽语言，我们使用英语，阿拉伯语或法语。结果表明，对于一个基于短语的SMT系统，英语是最好的枢纽语言之间的中文和西班牙语。我们提出了一个系统的输出组合使用枢轴策略，这是能够优于直接翻译策略。这项工作的主要目标是激励和参与研究界在这对重要的语言工作，因为它们的人口影响。
2014-02-04 cs.CL
Advancing Cross-lingual Aspect-Based Sentiment Analysis with LLMs and Constrained Decoding for Sequence-to-Sequence Models
Department of Computer Science and Engineering, University of West Bohemia in Pilsen（计算机科学与工程系，西波赫大学）
提出一种基于受约束解码的序列到序列方法，解决跨语言复合 ABSA 任务中对外部翻译工具的依赖，性能提升达 10%，并验证了微调多语言 LLMs 的有效性。
2025-08-14 cs.CL
Embedding Projection for Targeted Cross-Lingual Sentiment: Model Comparisons and a Real-World Study
University of Oslo（奥斯陆大学）；University of Stuttgart（斯图加特大学）
情感分析受益于大量的手工注释资源，以便训练和测试机器学习模型，这些模型通常需要大量数据。虽然有些语言，例如，英语有大量的这些资源，而大多数资源不足的语言没有，特别是对于细粒度的情感任务，如方面级或有针对性的情感分析。为了改善这种情况，我们提出了一种跨语言的方法来情感分析，适用于资源不足的语言，并考虑到目标级别的信息。该模型将情感信息纳入双语分布表示中，通过联合优化它们的语义和情感，与机器翻译结合时，在双语水平上显示出最先进的性能。对多个领域的目标情感分析的适应表明，我们的模型在二元目标情感任务上的性能优于其他基于投影的双语嵌入方法。我们对10种语言的分析表明，未标记的单语数据的数量对情感结果的影响非常小。如所预期的，选择带注释的源语言用于投影到目标导致相似的源-目标语言对的更好结果。因此，我们的研究结果表明，更多的努力应该花在创建资源不太相似的语言，那些资源已经丰富。最后，域失配导致性能降低。这表明任何语言的资源都应该理想地覆盖各种领域。
2019-06-24 cs.CL
Found in Translation: Learning Robust Joint Representations by Cyclic Translations Between Modalities
Carnegie Mellon University（卡内基梅隆大学）；Microsoft AI（微软人工智能（微软AI））
多模态情感分析是研究说话人情感的一个核心研究领域，它从语言、视觉和听觉三个方面来表达说话人情感。多模态学习的核心挑战涉及推断可以处理和关联来自这些模态的信息的联合表示。然而，现有的工作学习联合表示，需要所有的模态作为输入，因此，学习的表示可能是敏感的噪声或丢失的模态在测试时。随着序列到序列（Seq 2Seq）模型在机器翻译中的成功，有机会探索学习联合表示的新方法，这些方法在测试时可能不需要所有输入模态。在本文中，我们提出了一种方法来学习强大的联合表示之间的翻译模态。我们的方法基于以下关键见解：从源模态到目标模态的翻译提供了一种仅使用源模态作为输入来学习联合表示的方法。我们增加模态翻译与周期一致性损失，以确保我们的联合表示保留最大的信息，从所有的模态。一旦我们的翻译模型使用成对的多模态数据进行训练，我们只需要在测试时来自源模态的数据来进行最终的情感预测。这确保了我们的模型在其他模态的扰动或缺失信息中保持稳健。我们用耦合的预防-预测目标训练我们的模型，它在多模态情感分析数据集上取得了最新的结果：CMU-MOSI，ICT-MMMO和YouTube。额外的实验表明，我们的模型学习越来越多的歧视性的联合表示与更多的输入模态，同时保持鲁棒性丢失或扰动模态。
2020-02-28 cs.CL cs.CV cs.HC
Cross-lingual Opinions and Emotions Mining in Comparable Documents
本研究通过构建双语情绪词典和跨语言标注方法，分析英阿可比文档中的情感与情绪差异，发现同源新闻机构文档标注一致，异源则分歧，方法具有语言无关性。
2025-08-05 cs.CL
Improving Generative Cross-lingual Aspect-Based Sentiment Analysis with Constrained Decoding
Department of Computer Science and Engineering, University of West Bohemia in Pilsen（西波希米亚大学皮尔森分校计算机科学与工程系）；NTIS - New Technologies for the Information Society, University of West Bohemia in Pilsen（信息社会新技术机构，西波希米亚大学皮尔森分校）
本文提出基于序列到序列模型的约束解码方法，解决跨语言ABSA问题，无需外部翻译工具，在七种语言和六个任务上超越现有方法，并评估LLMs在不同场景下的表现。
2025-08-14 cs.CL
Machine Translation of Restaurant Reviews: New Corpus for Domain Adaptation and Robustness
Naver Labs Europe（Naver欧洲实验室）
我们分享了Foursquare餐厅评论的法语-英语平行语料库（https：//europe.naverlabs.com/research/natural-language-processing/machine-translation-of-restaurant-reviews），并定义了一个新的任务，以鼓励对神经机器翻译鲁棒性和领域自适应的研究，在现实世界中，更好的MT将非常有益。我们讨论了这样的用户生成的内容的挑战，并训练良好的基线模型，建立在最新的技术MT的鲁棒性。我们还进行了广泛的评估（自动和人工），显示了对现有在线系统的显着改进。最后，我们提出了基于情感分析或领域特定的多义词的翻译准确性的特定任务的度量。
2019-10-31 cs.CL
Learned in Translation: Contextualized Word Vectors
Salesforce（赛富时）
计算机视觉受益于使用在ImageNet等大型监督训练集上预训练的权重初始化多个深层。自然语言处理（NLP）通常只使用预训练的词向量初始化最低层的深度模型。在本文中，我们使用来自为机器翻译（MT）训练的注意序列到序列模型的深度LSTM编码器来对词向量进行上下文化。我们发现，添加这些上下文向量（CoVe）可以在各种常见的NLP任务上仅使用无监督的单词和字符向量来提高性能：情感分析（SST，IMDb），问题分类（TREC），蕴涵（SNLI）和问答（SQuAD）。对于细粒度的情感分析和蕴涵，CoVe将我们的基线模型的性能提高到最先进的水平。
2018-06-20 cs.AI cs.CL cs.LG
Structural Correspondence Learning for Cross-lingual Sentiment Classification with One-to-many Mappings
Hebei University of Technology（河北工业大学）；Binghamton University（宾汉姆顿大学）
结构对应学习（SCL）是一种有效的跨语言情感分类方法。这种方法使用未标记的文档以及单词翻译Oracle来自动诱导特定于任务的跨语言对应。它通过识别重要特征来传递知识，即，枢轴特征。然而，为了简单起见，假设单词翻译oracle将源语言中的每个枢轴特征映射到目标语言中的仅一个单词。不同语言中单词之间的这种一对一映射过于严格。也根本不考虑上下文。在本文中，我们提出了一个跨语言的SCL的基础上分布式表示的话，它可以学习有意义的一对多的映射枢轴字使用大量的单语数据和一个小字典。我们在NLP\&CC 2013跨语言情感分析数据集上进行了实验，使用英语作为源语言，汉语作为目标语言。该方法不依赖于平行语料库，实验结果表明，该方法在跨语言情感分类方面比现有方法更具竞争力。
2016-11-26 cs.CL cs.LG stat.ML
Generative Models Enhanced by Sequence Labelling and Aspect-Code Switching Improve Cross-lingual Aspect-Based Sentiment Analysis
University of West Bohemia in Pilsen（比尔森西波希米亚大学）；NTIS – New Technologies for the Information Society（NTIS——信息社会新技术研究院）；Faculty of Applied Sciences（应用科学学院）
本文提出SeqLab框架结合序列标注与方面代码切换技术，在11种语言、3个领域的跨语言ABSA任务中超越SOTA，还评估了多语言对并拓展至更具挑战的TASD任务。
2026-09-01 cs.CL
Few-shot Cross-lingual Aspect-Based Sentiment Analysis with Sequence-to-Sequence Models
University of West Bohemia in Pilsen Faculty of Applied Sciences, Department of Computer Science（西波希米亚大学普日恩学院应用科学学院计算机科学与工程系）
本文评估了在ABSA任务中向训练集添加少量目标语言示例的效果，发现仅10个示例即可显著提升跨语言性能，1000个示例甚至能超越单语基线。
2025-08-11 cs.CL
When Word Embeddings Become Endangered
University of Helsinki（赫尔辛基大学）
像英语和芬兰语这样的大语言有许多自然语言处理（NLP）资源和模型，但对于低资源和濒危语言来说，情况并非如此，因为这些资源非常稀缺，尽管它们将为语言社区提供巨大的优势。低资源和濒危语言最常见的资源类型是翻译词典和通用依赖。在本文中，我们提出了一种方法来构建濒危语言的词嵌入使用现有的词嵌入的不同资源丰富的语言和资源贫乏的语言的翻译词典。此后，使用通用依赖关系中的句子对嵌入进行微调，并对齐以匹配大语言的语义空间;从而产生跨语言嵌入。我们在这里工作的濒危语言是Erzya，Moksha，Komi-Zyrian和Skolt Sami。此外，我们建立了一个通用的情感分析模型，所有的语言是本研究的一部分，无论濒危与否，通过利用跨语言的词嵌入。进行的评估表明，我们的濒危语言的词嵌入与资源丰富的语言是一致的，他们是适合于训练特定于任务的模型，我们的情感分析模型，达到了很高的准确性证明。我们所有的跨语言词嵌入和情感分析模型都通过一个易于使用的Python库公开发布。
2021-03-24 cs.CL
Unpaired Sentiment-to-Sentiment Translation: A Cycled Reinforcement Learning Approach
Peking University（北京大学）；Hong Kong Polytechnic University（香港理工大学）
情感到情感“翻译”的目标是改变句子的潜在情感，同时保持其内容。主要挑战是缺乏并行数据。为了解决这个问题，我们提出了一种循环的强化学习方法，该方法通过中和模块和情感化模块之间的协作来对未配对的数据进行训练。我们在两个评论数据集上评估了我们的方法，Yelp和Amazon。实验结果表明，我们的方法显着优于国家的最先进的系统。特别是，所提出的方法大大提高了内容保存性能。在两个数据集上，BLEU得分分别从1.64提高到22.46和从0.56提高到14.06。
2018-08-05 cs.CL
MSCTD: A Multimodal Sentiment Chat Translation Dataset
Beijing Jiaotong University（北京交通大学）；Tencent Inc（腾讯公司）
多模态机器翻译和文本聊天翻译近年来受到了相当大的关注。虽然自然形式的会话通常是多模态的，但在会话中的多模态机器翻译方面的工作仍然缺乏。在这项工作中，我们引入了一个名为多模式聊天翻译（MCT）的新任务，旨在借助相关的对话历史和视觉上下文生成更准确的翻译。为此，我们首先构建了一个多模态情感聊天翻译数据集（MSCTD），包含142,871英汉话语对14,762双语对话和30,370英德话语对3,079双语对话。对应于反映当前会话场景的视觉上下文的每个话语对被注释有情感标签。然后，我们通过建立多个基线系统，将多模态和情感特征的MCT的基准任务。四个语言方向（英语-汉语和英语-德语）的初步实验验证了上下文和多模态信息融合的潜力和情感对MCT任务的积极影响。此外，作为MSCTD的副产品，它还提供了两个新的多模态对话情感分析基准。我们的工作可以促进多模态聊天翻译和多模态对话情感分析的研究。
2022-02-28 cs.CL
Zero-Shot to Full-Resource: Cross-lingual Transfer Strategies for Aspect-Based Sentiment Analysis
Media Informatics Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学媒体信息学小组）；Information Science Group, University of Regensburg, Regensburg, Germany（莱茵河畔大学信息科学小组）
本文评估了七种语言的ABSA方法，探讨了不同Transformer架构在零资源、数据仅用和全资源设置下的表现，发现大语言模型在复杂任务中表现最佳，同时提出两个新的德语数据集以促进多语言ABSA研究。
2026-04-29 cs.CL
Evaluating and explaining training strategies for zero-shot cross-lingual news sentiment analysis
Jožef Stefan Institute（约热夫·斯泰凡研究所）；Queen Mary University of London（伦敦玛丽女王大学）
本文研究零样本跨语言新闻情感检测，提出利用段落级信息的新任务目标POA，并对比机器翻译、上下文学习等方法，证明POA能以更低计算开销取得有竞争力的性能提升。
2024-09-30 cs.AI cs.CL
Content-Localization based System for Analyzing Sentiment and Hate Behaviors in Low-Resource Dialectal Arabic: English to Levantine and Gulf
School of Electrical Engineering and Computer Science（电气工程与计算机科学学院）；University of Ottawa（渥太华大学）
本文提出基于内容本地化的神经机器翻译与无监督主题分析系统，将英语资源适配到黎凡特和海湾阿拉伯方言，以提升情感与仇恨内容识别效果。
2023-11-27 cs.AI cs.CL
Inducing Constituency Trees through Neural Machine Translation
New York University（纽约大学）
潜在树学习（LTL）方法学习仅使用来自下游任务的间接监督来解析句子。潜在树学习的最新进展使得通过使用语言建模或自动编码目标进行训练来恢复中等高质量的树结构成为可能。在这项工作中，我们探讨的假设，解码在机器翻译，作为一个有条件的语言建模任务，将产生更好的树结构，因为它提供了一个类似的训练信号的语言建模，但更多的语义信号。我们调整了两个现有的潜在树语言模型-PRPN和ON-LSTM-用于翻译。我们发现，他们确实恢复了F1分数比WSJ测试集上语言建模中看到的更好的树，同时保持了强大的翻译质量。我们观察到，翻译是一个更好的目标比语言建模诱导树，标志着第一次成功的潜在树学习使用机器翻译目标。此外，我们的研究结果表明，虽然翻译提供了更好的信号诱导树比语言建模，翻译模型可以表现良好，而不利用潜在的树结构。
2019-09-22 cs.CL
Training Multilingual Machine Translation by Alternately Freezing Language-Specific Encoders-Decoders
TALP Research Center（TALP研究中心）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）；IXA NLP Group（IXA自然语言处理组）；University of the Basque Country (UPV/EHU)（巴斯克大学（UPV/EHU））
我们提出了一个模块化的体系结构的语言特定的编码器-解码器，构成一个多语言的机器翻译系统，可以逐步扩展到新的语言，而不需要重新训练现有的系统时，添加新的语言。从以前的作品，我们同时训练$N$语言的所有翻译方向交替冻结编码器或解码器模块，这间接迫使系统训练在一个共同的中间表示所有的语言。多语言机器翻译的实验结果表明，我们可以成功地训练这个模块化的架构，提高了初始语言，而略有落后时，添加新的语言或做zero-shot翻译。另外，在自然语言推理任务中对句子表征质量的比较表明，交替冻结训练也有利于这一方向。
2020-05-29 cs.CL
Examining Structure of Word Embeddings with PCA
Charles University（查理大学）
在本文中，我们比较结构的捷克语词嵌入英语-捷克语神经机器翻译（NMT），word 2 vec和情感分析。我们表明，虽然它是可能的成功预测部分的语音（POS）标记从词嵌入的word 2 vec和各种翻译模型，并不是所有的嵌入空间显示相同的结构。关于POS的信息存在于word 2 vec嵌入中，但是NMT解码器中POS的高度组织表明该信息对于机器翻译更重要，因此NMT模型以更直接的方式表示它。我们的方法是基于主成分分析（PCA）维度与分类语言数据的相关性。我们还表明，进一步检查直方图的类沿主成分是很重要的，以了解嵌入的信息表示的结构。
2019-05-31 cs.CL
BLEU, METEOR, BERTScore: Evaluation of Metrics Performance in Assessing Critical Translation Errors in Sentiment-oriented Text
University of Wolverhampton（伍尔弗汉普顿大学）；University of Surrey（萨里大学）
社交媒体公司和当局广泛使用人工智能（AI）工具来监控仇恨言论，庆祝暴力或亵渎的帖子。由于人工智能软件需要大量数据来训练计算机，因此在线内容的机器翻译（MT）通常用于处理用多种语言编写的帖子，从而增加训练所需的数据。然而，在翻译情感导向的用户生成内容（UGC）时，机器翻译错误是经常发生的，特别是当涉及低资源语言时。整个过程的充分性取决于这样一个假设，即所使用的评价标准能够可靠地表明翻译的质量。在本文中，我们评估的能力，自动质量指标检测关键的机器翻译错误，可能会导致严重的误解的影响消息。我们比较了三个规范的性能指标无意义的翻译，语义内容严重受损相比，有意义的翻译与要害差错，专门扭曲的感情的源文本。我们的结论是，有必要微调的自动指标，使他们更强大的检测情感要害差错。
2021-09-29 cs.CL
Improve the Evaluation of Fluency Using Entropy for Machine Translation Evaluation Metrics
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Dublin City University（都柏林城市大学）
目前广泛使用的自动评价指标不能充分反映译文的流畅性。BLEU等基于n-gram的度量标准将匹配片段的最大长度限制为n，无法捕获大于n的匹配片段，因此只能间接反映流畅性。METEOR不受n-gram的限制，使用匹配的块的数量，但不考虑每个块的长度。本文提出了一种基于熵的翻译方法，通过匹配词的分布来充分反映译文的流畅性。该方法可以很容易地与广泛使用的自动评价指标相结合，以提高流畅性的评价。实验结果表明，在WMT 2010和WMT 2012上结合基于熵的方法后，BLEU和METEOR的相关性在句子层次上得到了提高。
2016-11-04 cs.CL
Resolution of Indirect Anaphora in Japanese Sentences Using Examples 'X no Y (Y of X)'
名词短语可以间接指代已经提到的实体。例如，“我昨晚进了一所老房子。屋顶漏水很严重... ''表示''屋顶''与''老房子}''相关联，这在前一句中已经提到。这类照应（间接回指）在自然语言处理中尚未得到很好的研究，但对连贯性解析、语言理解和机器翻译都很重要。为了分析间接回指，我们需要一个包含两个名词之间关系知识的名词格框架词典，但目前还没有这样的词典。因此，我们被迫使用“X no Y”（X的Y）和动词格框架词典的例子。我们尝试使用这些信息来估计间接回指，在测试句子上获得了63%的召回率和68%的准确率。这表明，当我们不能使用名词格框架词典时，“X无Y”信息在一定程度上是有用的。我们对名词格框架词典的结果进行了估计，得到了71%的召回率和82%的准确率。最后，我们提出了一种以``X no Y为例构造名词格框架词典的方法。''
1999-12-13 cs.CL
Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words
Beijing Jiaotong University（北京交通大学）；Tencent Inc（腾讯公司）
本研究提出基准 AmbGIMT 和基于情感态度得分（EAS）的新评估流程，利用歧义态度词评估二元性别之外的机器翻译性别偏见，发现非二元语境翻译质量较差且偏见明显，提示中加入约束上下文可大幅减少但无法消除偏见。
2024-07-23 cs.CL
Fine-tuning multilingual language models in Twitter/X sentiment analysis: a study on Eastern-European V4 languages
Silesian University in Opava（奥帕瓦西里西亚大学）；University of Ostrava（俄斯特拉发大学）
本文针对V4语言的Twitter/X ABSA任务微调BERT、BERTweet、Llama等模型，比较多种设置，证明小模型可用少量训练数据达到SOTA并找出最佳组合。
2024-08-04 cs.AI cs.CL
Machine Translation in the Wild: User Reaction to Xiaohongshu's Built-In Translation Feature
研究小红书2025年推出内置翻译功能的用户反应，通过情感分析和主题分析探讨用户对功能的认知与实验，发现整体反馈积极，但存在功能性和翻译准确性方面的担忧。
2026-04-03 cs.CL cs.HC
Improving Sentiment Analysis over non-English Tweets using Multilingual Transformers and Automatic Translation for Data-Augmentation
European Commission – DG-JRC（欧盟委员会联合研究中心）
与一般文本相比，推文是特定的文本数据。尽管在过去的十年中，对英语的tweets进行情感分析已经变得非常流行，但是仍然很难找到针对非英语语言的大型注释语料库。自然语言处理中最近兴起的Transformer模型允许在许多任务中实现无与伦比的性能，但这些模型需要相应的文本量来适应tweet域。我们建议使用多语言Transformer模型，我们对英语推文进行预训练，并使用自动翻译应用数据增强，以使模型适应非英语语言。我们在法语，西班牙语，德语和意大利语的实验表明，所提出的技术是一种有效的方法来提高结果的Transformers在非英语语言的小语料库的推文。
2020-10-07 cs.CL
Beyond Semantics: Measuring Fine-Grained Emotion Preservation in Small Language Model-Based Machine Translation
Poznań University of Technology（波兹南技术大学）
本文评估了三种先进的小型语言模型在回译中保持细粒度情感的能力，探讨了模型自身的情感保留能力、情感意识提示的效果以及ModernBERT在情感分类中的表现。
2026-04-30 cs.AI cs.CL
Voice@SRIB at SemEval-2020 Task 9 and 12: Stacked Ensembling method for Sentiment and Offensiveness detection in Social Media
Samsung R&D Bangalore（三星研发班加罗尔）
在Twitter、Facebook和Reddit等社交媒体平台上，人们更喜欢使用西班牙语-英语、印地语-英语等代码混合语言来表达自己的观点。在本文中，我们描述了我们使用的不同模型，使用外部数据集来训练嵌入，Sentimix和OffensEval任务的集成方法。使用预训练的嵌入通常有助于多个任务，例如句子分类和机器翻译。在这个实验中，我们使用我们训练的代码混合嵌入和twitter预训练的嵌入来完成SemEval任务。我们在数据集上评估我们的模型的宏观F1分数，精确度，准确度和召回率。我们打算表明，超参数调整和数据预处理步骤有助于提高分数。在我们的实验中，我们能够达到0.886 F1-Macro上OffenEval希腊语子任务后评价，而最高的是0.852在评估期间。我们以0.756的最好成绩在西班牙式英语比赛中名列第三。Codalab用户名是asking 28.
2020-10-11 cs.CL cs.LG
TransModality: An End2End Fusion Method with Transformer for Multimodal Sentiment Analysis
Peking University（北京大学）
多模态情感分析是一个重要的研究领域，它通过从文本、视觉和听觉模态中提取特征来预测说话人的情感倾向。其核心挑战是多模态信息的融合方法。目前已经提出了多种融合方法，但很少有采用端到端的翻译模型来挖掘模态之间的细微相关性。受最近Transformer在机器翻译领域的成功启发，我们提出了一种新的融合方法TransModality，来解决多模态情感分析的任务。我们假设模态之间的翻译有助于更好地联合表示说话人的话语。使用Transformer，学习的特征体现了来自源模态和目标模态的信息。我们在多个多模态数据集上验证了我们的模型：CMU-MOSI，MELD，IEMOCAP。实验结果表明，我们提出的方法达到了国家的最先进的性能。
2020-09-28 cs.CL
Beyond Accuracy: Community Perspectives on Machine Translation
University of Technology Nuremberg（纽伦堡工业大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）；University of Aberdeen（阿伯丁大学）
本文通过分析社交媒体上四个利益相关者社区（AI开发者、专业译者、语言学习者、语言服务提供商）的帖子，揭示机器翻译技术社区间的分歧与冲突，强调倾听用户社区需求的重要性。
2026-09-04 cs.CL
Style Transfer from Non-Parallel Text by Cross-Alignment
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；ASAPP Inc.（ASAPP公司）
本文以非平行语篇为研究对象，对文体迁移进行研究。这是包括机器翻译、解密和情感修改在内的一系列问题的一个实例。关键的挑战是将内容与风格等其他方面分开。我们假设一个共享的潜在内容分布在不同的文本语料库，并提出了一种方法，利用精细对齐的潜在表示执行风格转移。从一种风格中转移的句子应该与另一种风格中的例句作为一个总体相匹配。我们证明了这种交叉对齐方法在三个任务上的有效性：情感修改，单词替换密码的解密和单词顺序的恢复。
2017-11-06 cs.CL cs.LG
Machine Translation for Accessible Multi-Language Text Analysis
University of California Davis（加州大学戴维斯分校）
英语是社会研究的国际标准，但学者们越来越意识到他们的责任，以满足全球传播过程的学术见解的需要。这种紧张关系在计算方法和其他任何领域都是如此，英语文本工具的革命性进步使大多数其他语言远远落后。在本文中，我们的目标是利用这些进展来证明多语言分析目前是所有计算学者都可以使用的。我们表明，翻译成英语后计算的英语训练的措施有足够的优秀的准确性相比，计算原始文本的源语言的措施。我们展示了三种主要的分析--情感分析、主题分析和词嵌入--超过16种语言，包括西班牙语、汉语、印地语和阿拉伯语。我们通过比较对原始语言推文及其反向翻译的预测来验证这一说法：从源语言到英语的双重翻译，再回到源语言。总的来说，我们的研究结果表明，谷歌翻译，一个简单和广泛访问的工具，是有效的保留语义内容的语言和方法。因此，现代机器翻译可以帮助计算学者对人类交流做出更具包容性和一般性的主张。
2023-01-20 cs.CL cs.CY
Exploiting BERT For Multimodal Target Sentiment Classification Through Input Space Translation
Northeastern University（东北大学）
多模态目标/方面情感分类结合了多模态情感分析和方面/目标情感分类。任务的目标是结合视觉和语言来理解句子中对目标实体的情感。Twitter是这项任务的理想环境，因为它本质上是多模态的，高度情绪化的，并影响现实世界的事件。然而，多模态推文很短，并伴随着复杂的，可能无关的图像。我们引入了一个双流模型，使用对象感知的Transformer，然后通过单通道非自回归文本生成方法，在输入空间中转换图像。然后，我们利用翻译来构建一个辅助句子，为语言模型提供多模态信息。我们的方法增加了语言模型可用的文本量，并提取了复杂图像中的对象级信息。我们在两个多模态Twitter数据集上实现了最先进的性能，而无需修改语言模型的内部结构以接受多模态数据，这证明了我们翻译的有效性。此外，我们解释了一个流行的方面情感分析的方法时，适用于推文的失败模式。我们的代码可在\textcolor{blue}{\url{https://github.com/codezakh/exploiting-BERT-thru-translation}}上获得。
2021-08-05 cs.CL cs.CV
Paraphrase Thought: Sentence Embedding Module Imitating Human Language Recognition
Korea University（高丽大学）
句子嵌入是自然语言处理中的一个重要研究课题。为了提高各种自然语言处理任务（如机器翻译和文档分类）的性能，必须生成一个能够充分反映句子语义的嵌入向量。到目前为止，已经提出了各种句子嵌入模型，并且它们的可行性已经通过在嵌入之后的任务（诸如情感分析和句子分类）上的良好性能而被证明。然而，因为句子分类和情感分析的性能可以通过使用简单的句子表示方法来增强，所以基于这些任务的良好性能，声称这些模型完全反映了句子的含义是不够的。本文受人类语言识别的启发，提出了语义连贯性的概念，一个好的句子嵌入方法应该满足这一概念：相似的句子应该在嵌入空间中相互靠近。然后，我们提出了释义-思维（P-thought）模型，以尽可能地追求语义连贯。在MS COCO和STS benchmark两个数据集上的实验结果表明，P-thought模型的性能优于基准句子嵌入方法。
2018-10-15 cs.CL
Evaluation of Google Translate for Mandarin Chinese translation using sentiment and semantic analysis
School of Mathematics and Statistics, UNSW Sydney（新南威尔士大学悉尼分校数学与统计学院）；Pingala Institute（平加拉研究所）；Centre for Artificial Intelligence and Innovation（人工智能与创新中心）
本研究以《阿Q正传》为语料，通过情感与语义分析自动评估Google Translate的中译英质量，发现其在语义、情感传达精准度上不及人工翻译，且存在传统典故等特定表达误译问题。
2024-09-16 cs.AI cs.CL
An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
Transitional Artificial Intelligence Research Group, School of Mathematics and Statistics, UNSW Sydney（过渡人工智能研究组，数学与统计学学院，UNSW悉尼）；Department of Civil Engineering, National Institute of Technology, Rourkela, India（土木工程系，印度国家理工学院，拉尔凯拉）；Centre for Artificial Intelligence and Innovation, Pingla Institute, Sydney, Australia（人工智能与创新中心，Pingla研究所，悉尼，澳大利亚）
本研究通过情感与语义分析评估LLM和谷歌翻译对梵语、泰卢固语、印地语文本的翻译质量，发现GPT模型在保持情感极性和语义方面优于谷歌翻译，但在隐喻和哲学语境中仍存在挑战。
2025-07-01 cs.AI cs.CL
Automated evaluation of LLMs for effective machine translation of Mandarin Chinese to English
本文通过自动化框架评估LLMs在中文到英文翻译中的表现，发现其在新闻翻译中表现良好，但在文学文本中存在性能差异，且文化细节和修辞表达仍需改进。
2026-02-15 cs.AI cs.CL
Semantic and sentiment analysis of selected Bhagavad Gita translations using BERT-based language framework
University of New South Wales（新南威尔士大学）；Indian Institute of Technology Guwahati（印度理工学院古瓦哈蒂分校）
众所周知，歌曲和诗歌的翻译不仅会打破节奏和押韵模式，而且还会导致语义信息的丢失。《薄伽梵歌》（Bhagavad Gita）是一部古印度哲学文本，最初是用梵文写成的，它描述了在摩诃婆罗多战争之前，奎师那和阿诸那之间的对话。《博伽梵歌》也是印度教的主要圣书之一，被称为印度教吠陀全集的最前沿。在过去的两个世纪里，西方学者对印度教哲学产生了浓厚的兴趣;因此，《博伽梵歌》被翻译成了多种语言。然而，没有太多的工作来验证英文翻译的质量。由深度学习驱动的语言模型的最新进展不仅使翻译成为可能，而且通过语义和情感分析更好地理解语言和文本。我们的工作是由深度学习方法驱动的语言模型的最新进展推动的。在本文中，我们提出了一个框架，比较选定的翻译（从梵文到英语）的薄伽梵歌使用语义和情感分析。我们使用手动标记的情感数据集来调整最先进的基于深度学习的语言模型，称为Transformers的双向编码器表示（BERT）。我们为选定的章节和跨翻译的诗句提供情感和语义分析。我们的研究结果表明，虽然风格和词汇在各自的翻译差异很大，情感分析和语义相似性表明，所传达的信息大多是相似的。
2022-02-15 cs.AI cs.CL
MT-Ranker: Reference-free machine translation evaluation by inter-system ranking
Pennsylvania State University（宾夕法尼亚州立大学）
本研究将无参考机器翻译评估建模为成对排序问题，提出MT-Ranker模型，仅借助间接监督与弱监督训练，在多个基准上取得最优结果。
2024-01-30 cs.CL
Improved Multilingual Language Model Pretraining for Social Media Text via Translation Pair Prediction
Twitter, Inc.（Twitter公司）
我们评估了一种简单的方法来提高社交媒体语料库上mBERT的zero-shot多语言迁移，方法是添加一个称为翻译对预测（TPP）的预训练任务，该任务预测一对跨语言文本是否是有效的翻译。我们的方法假设可以访问源-目标语言对之间的翻译（精确或近似），其中我们对源语言任务数据进行微调并在目标语言中评估模型。特别是，我们专注于语言对的迁移学习是困难的mBERT：那些源语言和目标语言是不同的脚本，词汇和语言类型。我们在两个社交媒体任务中展示了TPP预训练在从英语到印地语，阿拉伯语和日语的zero-shot迁移中的改进：NER（在目标语言中，F1平均相对提高37%）和情感分类（F1相对改善12%）社交媒体文本，同时还对通用依赖POS标记的非社交媒体任务进行基准测试（准确率相对提高6.7%）。我们的研究结果是有希望的，因为缺乏社会媒体的双文本语料库。我们的代码可以在https://github.com/twitter-research/multilingual-alignment-tpp上找到。
2021-10-20 cs.CL cs.LG
uniblock: Scoring and Filtering Corpus with Unicode Block Information
RWTH Aachen University（亚琛工业大学）
自然语言处理中的预处理流水线通常包括去除由非法字符组成的句子的步骤。非法字符的定义和具体的删除策略取决于任务、语言、领域等，这往往导致令人厌倦的重复编写规则。在本文中，我们介绍了一个简单的统计方法，单块，来克服这个问题。对于每个句子，uniblock使用字符的Unicode块信息生成固定大小的特征向量。然后使用变分推理在一些干净的语料库上估计高斯混合模型。然后，学习的模型可以用于对句子进行评分和过滤语料库。在情感分析、语言建模和机器翻译三个方面的实验结果表明了该方法的简单性和有效性。
2019-08-26 cs.CL
