La tarea consiste en predecir todos los gráficos de sentimiento en un texto, donde un único gráfico de sentimiento está compuesto por un portador de sentimiento, un objetivo, una expresión y una polaridad
Publicación
Jeremy Barnes, Laura Oberlaender, Enrica Troiano, Andrey Kutuzov, Jan Buchmann, Rodrigo Agerri, Lilja Øvrelid, and Erik Velldal. 2022. SemEval 2022 Task 10: Structured Sentiment Analysis. In Proceedings of the 16th International Workshop on Semantic Evaluation (SemEval-2022), pages 1280–1295, Seattle, United States. Association for Computational Linguistics.
Idioma
Español
Inglés
NLP topic
Tarea abstracta
Año
2022
Enlace publicación
Métrica Ranking
F1
Mejores resultados para la tarea
| Sistema | Precisión | Recall | F1 | CEM | Accuracy | MacroPrecision | MacroRecall | MacroF1 | RMSE | MicroPrecision | MicroRecall | MicroF1 | MAE | MAP | UAS | LAS | MLAS | BLEX | Pearson correlation | Spearman correlation | MeasureC | BERTScore | EMR | Exact Match | F0.5 | Hierarchical F | ICM | MeasureC | Propensity F | Reliability | Sensitivity | Sentiment Graph F1 Ordenar ascendente | WAC | b2 | erde30 | sent | weighted f1 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| MT-speech | 0.74 | ||||||||||||||||||||||||||||||||||||
| SLPL | 0.74 | ||||||||||||||||||||||||||||||||||||
| Hitachi | 0.73 | ||||||||||||||||||||||||||||||||||||
| zhixiaobao | 0.72 | ||||||||||||||||||||||||||||||||||||
| SeqL | 0.70 |
