Metaphor Detection XLMR

🚀 多語言隱喻檢測

本項目提供了一個經過微調的多語言模型 XLM - RoBERTa，用於基於 Huggingface 標記分類方法 進行標記級別的隱喻檢測。標籤 1 對應隱喻用法。

🚀 快速開始

本項目提供了一個可用於標記級隱喻檢測的多語言模型。你可以基於此模型開展相關的隱喻檢測工作，具體可參考後續的訓練代碼和論文。

✨ 主要特性

• 基於多語言模型 XLM - RoBERTa，可進行標記級別的隱喻檢測。
• 使用 Huggingface 標記分類方法，標籤 1 對應隱喻用法。
• 模型在英文訓練語料上訓練，但在其他語言上有不錯的零樣本表現。

📦 安裝指南

文檔未提供具體安裝步驟，可參考 Github 上的訓練和評估代碼進行相關操作。

📚 詳細文檔

數據集

模型訓練使用的數據集是 VU Amsterdam Metaphor Corpus，該數據集按照隱喻識別協議進行了單詞級別的標註。訓練語料僅限於英文，不過 XLM - R 在其他語言的零樣本測試中表現良好。

結果

根據 2020 Second Shared Task on Metaphor detection 的評估標準，我們的模型在訓練 XLM - R_Base 時，隱喻類別的 F1 分數達到 0.76；訓練 XLM - R_Large 時，F1 分數達到 0.77。

我們訓練了 8 個週期，最後加載評估性能最佳的模型，學習率為 2e - 5。在分配的訓練數據中，10% 用於驗證，最終測試集單獨保留，僅用於最終評估。

訓練和參考代碼

訓練和評估代碼可在 Github 上獲取。 我們描述訓練和模型應用的 論文 可在線查看：

@inproceedings{wachowiak2022drum, title={Drum Up SUPPORT: Systematic Analysis of Image - Schematic Conceptual Metaphors}, author={Wachowiak, Lennart and Gromann, Dagmar and Xu, Chao}, booktitle={Proceedings of the 3rd Workshop on Figurative Language Processing (FLP)}, pages={44--53}, year={2022} }

📄 許可證

本項目採用 CC - BY - NC - SA 3.0 許可證。