Se pidió a los participantes predecir la presencia o ausencia de cada emoción percibida, pero sin utilizar datos de entrenamiento en la lengua objetivo. En su lugar, podían emplear conjuntos de datos etiquetados de al menos otro idioma. Por ejemplo, se podía usar datos en alemán para entrenar al evaluar en inglés. Esta pista se centra en la transferencia multilingüe y explora cómo los datos de distintos idiomas pueden apoyar la detección de emociones en contextos de bajos recursos, así como la capacidad de los modelos para generalizar entre dominios.
Publicación
Shamsuddeen Hassan Muhammad, Nedjma Ousidhoum, Idris Abdulmumin, Seid Muhie Yimam, Jan Philip Wahle, Terry Lima Ruas, Meriem Beloucif, Christine De Kock, Tadesse Destaw Belay, Ibrahim Said Ahmad, Nirmal Surange, Daniela Teodorescu, David Ifeoluwa Adelani, Alham Fikri Aji, Felermino Dario Mario Ali, Vladimir Araujo, Abinew Ali Ayele, Oana Ignat, Alexander Panchenko, Yi Zhou, and Saif Mohammad. 2025. SemEval-2025 Task 11: Bridging the Gap in Text-Based Emotion Detection. In Proceedings of the 19th International Workshop on Semantic Evaluation (SemEval-2025), pages 2558–2569, Vienna, Austria. Association for Computational Linguistics.
Idioma
Español
Inglés
NLP topic
Dataset
Año
2025
Enlace publicación
Mejores resultados para la tarea
| Sistema | MacroF1 Ordenar ascendente |
|---|---|
| deepwave | 0.8310 |
| maomao | 0.8060 |
