发表机构
King Fahd University of Petroleum and Minerals; Onaizah Colleges; University College of Applied Sciences; Lancaster University; UM6P; VinUniversity; El Technology; University of Luxembourg（法赫德国王石油矿产大学; 欧奈扎学院; 应用科学大学学院; 兰卡斯特大学; 穆罕默德六世理工大学; VinUniversity; El Technology; 卢森堡大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文提出DialectSentEval 2026共享任务，包含多方言情感分类与情感互换两个子任务，旨在推动阿拉伯语方言情感分析研究，并总结参与模型的主要发现。
AI 中文摘要
情感分析是自然语言处理（NLP）中的一个基本问题。由于阿拉伯语方言的大量存在，标准阿拉伯语情感分类仍然具有挑战性。为了推进该领域的研究，本文提出了阿拉伯语方言情感分析与互换共享任务（DialectSentEval），该任务与阿拉伯语自然语言处理会议（ArabicNLP 2026）联合举办。该共享任务包含两个子任务：子任务1聚焦于多类别和多方言情感分析，要求模型识别各种阿拉伯语方言中的情感极性。子任务2引入了阿拉伯语情感互换的生成任务，要求模型在保持核心语义的同时反转情感极性。在本综述论文中，我们介绍了动机、数据集创建过程，并总结了参与模型的主要发现。
英文摘要
Sentiment analysis is a fundamental problem in Natural Language Processing (NLP). Standard sentiment classification for the Arabic language remains challenging due to the high volume of dialectal Arabic. To advance research in this area, this paper proposes the Shared Task on Sentiment Analysis and Swapping in Arabic Dialects (DialectSentEval), hosted with the Arabic Natural Language Processing Conference (ArabicNLP 2026). This shared task consists of two subtasks: Subtask 1 focuses on multi-class and multi-dialect sentiment analysis, requiring models to identify sentiment polarity across various Arabic dialects. Subtask 2 introduces a generative task for Arabic sentiment swap, challenging models to invert sentiment polarity while preserving core semantics. In this overview paper, we present the motivation, dataset creation, and summarize the main findings from participating models.
CommentsAccepted at ArabicNLP 2026
