Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorPřibáň, Pavel
dc.contributor.authorŠmíd, Jakub
dc.contributor.authorMištera, Adam
dc.contributor.authorKrál, Pavel
dc.date.accessioned2022-11-28T11:00:12Z-
dc.date.available2022-11-28T11:00:12Z-
dc.date.issued2022
dc.identifier.citationPŘIBÁŇ, P. ŠMÍD, J. MIŠTERA, A. KRÁL, P. Linear Transformations for Cross-lingual Sentiment Analysis. In Text, Speech, and Dialogue, 25th International Conference, TSD 2022, Brno, Czech Republic, September 6–9, 2022, Proceedings. Cham: Springer, 2022. s. 125-137. ISBN: 978-3-031-16269-5 , ISSN: 0302-9743cs
dc.identifier.isbn978-3-031-16269-5
dc.identifier.issn0302-9743
dc.identifier.uri2-s2.0-85139017087
dc.identifier.urihttp://hdl.handle.net/11025/50444
dc.description.abstractTento článek se zabývá mezijazyčnou analýzou sentimentu pro češtinu, angličtinu a francouzštinu. Provádíme tzv. „ zero-shot“ mezijazyčnou klasifikaci pomocí pěti lineárních transformací v kombinaci s klasifikátory neuronových sítí založených na LSTM a CNN. Porovnáváme výsledky jednotlivých transformací a navíc je porovnáváme s „state-of-the-art“ modely založenými na architektuře Transformers (BERT). Ukazujeme, že předem natrénovaný sémantický prostor z cílové domény je pro zlepšení výsledků mezijazyčné klasifikace klíčový, na rozdíl od monolinguální klasifikace, kde tento efekt není tak výrazný.cs
dc.format13 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherSpringeren
dc.relation.ispartofseriesText, Speech, and Dialogue, 25th International Conference, TSD 2022, Brno, Czech Republic, September 6–9, 2022, Proceedingsen
dc.rightsPlný text je přístupný v rámci univerzity přihlášeným uživatelům.cs
dc.rights© Springeren
dc.subjectanalýza sentimentucs
dc.subjectmezijazyčnýcs
dc.subjectlineární transformacecs
dc.subjectneuronové sítěcs
dc.subjecttransformace sémantického prostorucs
dc.subjectklasifikacecs
dc.titleLinear Transformations for Cross-lingual Sentiment Analysisen
dc.title.alternativeLineární trasformace pro mezijazyčnou analýzu sentimentucs
dc.typekonferenční příspěvekcs
dc.typeConferenceObjecten
dc.rights.accessrestrictedAccessen
dc.type.versionpublishedVersionen
dc.description.abstract-translatedThis paper deals with cross-lingual sentiment analysis in Czech, English and French languages. We perform zero-shot cross-lingual classification using five linear transformations combined with LSTM and CNN based classifiers. We compare the performance of the individual transformations, and in addition, we confront the transformation-based approach with existing state-of-the-art BERT-like models. We show that the pre-trained embeddings from the target domain are crucial to improving the cross-lingual classification results, unlike in the monolingual classification, where the effect is not so distinctive.en
dc.subject.translatedsentiment analysisen
dc.subject.translatedcross-lingualen
dc.subject.translatedlinear transformationen
dc.subject.translatedneural networksen
dc.subject.translatedsemantic space transformationen
dc.subject.translatedclassificationen
dc.identifier.doi10.1007/978-3-031-16270-1_11
dc.type.statusPeer-revieweden
dc.identifier.document-number866222300011
dc.identifier.obd43936947
dc.project.IDSGS-2022-016/Pokročilé metody zpracování a analýzy datcs
Vyskytuje se v kolekcích:Konferenční příspěvky / Conference papers (NTIS)
Konferenční příspěvky / Conference Papers (KIV)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
Přibáň, Král a kol. paper-TSD.pdf241,53 kBAdobe PDFZobrazit/otevřít  Vyžádat kopii
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/50444

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD