GMNLP 在 SemEval-2023 任务 12 中的表现：基于系统发育的适配器情感分析
GMNLP at SemEval-2023 Task 12: Sentiment Analysis with Phylogeny-Based Adapters
AI总结：
该研究面向 AfriSenti-SemEval 情感分析任务，提出以 AfroXLMR-large 为基础、结合增强数据与基于系统发育的适配器调优及集成方法，在阿姆哈拉语赛道取得第一。
摘要：
本报告描述了 GMU 为 SemEval-2023 共享任务 AfriSenti-SemEval 开发的情感分析系统。我们参加了全部三个子任务：单语、多语和零样本。我们的方法使用以 AfroXLMR-large 初始化的模型，这是一种在非洲语言上训练的预训练多语言语言模型，并进行相应微调。我们还在原始训练数据之外引入了增强训练数据。在微调的同时，我们执行基于系统发育的适配器调优以创建多个模型，并集成最佳模型用于最终提交。我们的系统在赛道 5：阿姆哈拉语上取得最佳 F1 分数，比该赛道表现第二好的系统高出 6.2 个 F1 分数点。总体而言，在参加全部 15 个赛道的 10 个系统中，我们的系统排名第 5。
英文摘要：
This report describes GMU's sentiment analysis system for the SemEval-2023 shared task AfriSenti-SemEval. We participated in all three sub-tasks: Monolingual, Multilingual, and Zero-Shot. Our approach uses models initialized with AfroXLMR-large, a pre-trained multilingual language model trained on African languages and fine-tuned correspondingly. We also introduce augmented training data along with original training data. Alongside finetuning, we perform phylogeny-based adapter tuning to create several models and ensemble the best models for the final submission. Our system achieves the best F1-score on track 5: Amharic, with 6.2 points higher F1-score than the second-best performing system on this track. Overall, our system ranks 5th among the 10 systems participating in all 15 tracks.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
