最近、SemEval-2026 Task 9に提出された論文が、トランスフォーマーベースモデルを用いた多言語分極検出手法を提案しました。この研究はAaron Bundi Anampiu氏によって行われ、論文番号arXiv:2606.30857として2026年6月29日にarXivに公開されています。
この研究では、多言語・多文化・多イベントのオンライン分極を検出する3つのサブタスクに取り組んでいます：二値分極検出（サブタスク1）、分極タイプ分類（サブタスク2）、分極顕在化識別（サブタスク3）。データセットは英語とスワヒリ語の2言語で構成されています。ラベルの深刻な不均衡に対処するため、クラス重み付け損失関数を採用し、マイノリティクラスに高い重みを与えることでモデルの偏りを軽減しています。さらに、マルチラベル分類を最適化するために、ラベルごとに個別の閾値を調整する戦略を導入しています。
モデルとしては、英語にはRoBERTa-base、スワヒリ語にはアフリカ言語向けに最適化された多言語トランスフォーマーモデルAfroXLMR-baseを使用しています。実験結果は、3つのサブタスクすべてで競争力のある性能を示しました。具体的には、サブタスク1のF1マクロスコアは英語で0.7901、スワヒリ語で0.7910、サブタスク2はそれぞれ0.4615と0.4808、サブタスク3は0.4791と0.5830でした。これらのスコアは、クラス重み付けと閾値調整の組み合わせが不均衡なマルチラベル分極検出タスクに有効であることを示しています。
しかし、エラー分析により、モデルが非人間化（dehumanization）や共感欠如（lack of empathy）といった微妙な分極表現の検出に苦労していることが明らかになりました。これは、現在のトランスフォーマーモデルが社会的感情信号を捉える能力に限界があることを示唆しており、今後の研究では、より洗練された特徴工学、外部知識の導入、または専用の損失関数の設計を通じて、これらの次元に対するモデルの感度を高める必要があります。
この研究は、多言語ソーシャルメディア上の分極モニタリングに実用的な技術的解決策を提供し、モデル選択からトレーニング戦略に至るまで実践的な参考価値があります。論文の全文はarXivで入手可能であり、コードとデータも公開される予定で、この分野のさらなる研究を促進することが期待されます。