arXiv 2506.163882025-06-23cs.CL

HausaNLP 在 SemEval-2025 任务 11 中：豪萨语文本情感检测

HausaNLP at SemEval-2025 Task 11: Hausa Text Emotion Detection

HausaNLP；University of the Witwatersrand（沃斯兰大学）；Federal Polytechnic Daura（达乌拉联邦理工学院）；Kaduna State University（卡杜纳州大学）

Sani Abdullahi Sani, Salim Abubakar, Falalu Ibrahim Lawan, Abdulhamid Abubakar, Maryam Bala

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文针对低资源豪萨语的多标签情感检测，微调 AfriBERTa 模型，在 SemEval 任务中取得 74.00% 准确率和 73.50% F1 分数，验证了 transformer 模型在低资源语言中的有效性。

摘要：

本文介绍了我们在 SemEval Track A 中针对低资源非洲语言豪萨语进行多标签情感检测的方法。我们对 AfriBERTa（一个在非洲语言上预训练的基于 transformer 的模型）进行了微调，以将豪萨语文本分类为六种情感：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。我们的方法包括数据预处理、分词以及使用 Hugging Face Trainer API 进行模型微调。该系统达到了 74.00% 的验证准确率和 73.50% 的 F1 分数，证明了基于 transformer 的模型在低资源语言情感检测中的有效性。

英文摘要：

This paper presents our approach to multi-label emotion detection in Hausa, a low-resource African language, for SemEval Track A. We fine-tuned AfriBERTa, a transformer-based model pre-trained on African languages, to classify Hausa text into six emotions: anger, disgust, fear, joy, sadness, and surprise. Our methodology involved data preprocessing, tokenization, and model fine-tuning using the Hugging Face Trainer API. The system achieved a validation accuracy of 74.00%, with an F1-score of 73.50%, demonstrating the effectiveness of transformer-based models for emotion detection in low-resource languages.

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。