低リソース言語における希望発話検出のための多言語フレームワーク

この論文は、NLPにおける希望発話の過小評価、特にウルドゥー語のような低リソース言語における問題を扱っています。事前学習済みのTransformerモデル（XLM-RoBERTa、mBERT、EuroBERT、UrduBERT）を活用して、希望発話検出のための多言語フレームワークを作成しています。ウルドゥー語に焦点を当て、PolyHope-M 2025ベンチマークで高いパフォーマンスを示し、他の言語でも競争力のある結果を達成していることから、既存の多言語モデルをリソース制約のある環境に適用し、肯定的なオンラインコミュニケーションを促進する可能性を示しています。

• •希望発話検出のための多言語フレームワークを提案。
• •低リソース言語、特にウルドゥー語に焦点を当てています。
• •事前学習済みのTransformerモデル（XLM-RoBERTa、mBERTなど）を利用。
• •PolyHope-M 2025ベンチマークで高いパフォーマンスを達成。
• •リソース制約のある環境での多言語モデルの適用可能性を実証。