1 |
From bag-of-words towards natural language: adapting topic models to avoid stop word removal ...
|
|
|
|
BASE
|
|
Show details
|
|
2 |
Neuronale maschinelle Übersetzung für ressourcenarme Szenarien ... : Neural machine translation for low-resource scenarios ...
|
|
|
|
BASE
|
|
Show details
|
|
3 |
Linked Open Tafsir - Rekonstruktion der Entstehungsdynamik(en) des Korans mithilfe der Netzwerkmodellierung früher islamischer Überlieferungen ...
|
|
|
|
BASE
|
|
Show details
|
|
4 |
Linked Open Tafsir - Rekonstruktion der Entstehungsdynamik(en) des Korans mithilfe der Netzwerkmodellierung früher islamischer Überlieferungen ...
|
|
|
|
BASE
|
|
Show details
|
|
5 |
Evaluation computergestützter Verfahren der Emotionsklassifikation für deutschsprachige Dramen um 1800 ...
|
|
|
|
BASE
|
|
Show details
|
|
6 |
Evaluation computergestützter Verfahren der Emotionsklassifikation für deutschsprachige Dramen um 1800 ...
|
|
|
|
Abstract:
Wir präsentieren die Ergebnisse einer Evaluationsstudie zum Einsatz unterschiedlicher Verfahren des maschinellen Lernens für die Emotionsklassifikation auf historischen deutschen Dramen um 1800. Der Fokus liegt dabei auf Transformer-basierten Sprachmodellen wie BERT und ELECTRA vortrainiert auf zeitgenössischer und historischer Sprache. Als Gold Standard werden 5 Dramen des genannten Zeitraums bezüglich mehrerer Emotionskategorien annotiert. Die Evaluationsergebnisse zeigen, dass Transformer-basierte Modelle bessere Erkennungsraten erreichen als Baseline-Methoden wie lexikonbasierte Verfahren, bag-of-words-Ansätze oder statische Sprachmodelle. Für die Klassifikation der Polarität (positiv/negativ) wird eine Erkennungsrate von 83% erreicht. Die Erkennungsrate wird jedoch mit zunehmender Emotionszahl geringer. Historische Domänenadaption führt selten zu geringfügigen Verbesserungen in unserem Setting. Die besten Modelle sind hingegen die größten Sprachmodelle trainiert auf zeitgenössischer Sprache. Wir ...
|
|
Keyword:
Datenerkennung; DHd2022; Drama; Emotionsklassifikation; Inhaltsanalyse; Literatur; Maschinelles Lernen; Programmierung; Sentiment Analysis; Sprache; Text; Transformer-basierte Modelle
|
|
URL: https://zenodo.org/record/6328168 https://dx.doi.org/10.5281/zenodo.6328168
|
|
BASE
|
|
Hide details
|
|
7 |
Preparing Legal Documents for NLP Analysis: Improving the Classification of Text Elements by Using Page Features
|
|
|
|
BASE
|
|
Show details
|
|
8 |
DaF an öffentlichen Schulen am Beispiel eines Projekts in Rio de Janeiro
|
|
|
|
In: Pandaemonium Germanicum: Revista de Estudos Germanísticos, Vol 25, Iss 45 (2022) (2022)
|
|
BASE
|
|
Show details
|
|
|
|