Dhati+: Fine-tuned Large Language Models for Arabic Subjectivity Evaluation

《Dhati+: Fine-tuned Large Language Models for Arabic Subjectivity Evaluation》总结与翻译

一、文章主要内容

该研究聚焦阿拉伯语文本主观性评估，针对阿拉伯语作为形态复杂且标注数据集稀缺的语言，在主观性分析工具开发上存在的困难，提出了一套完整的解决方案，具体内容如下：

1. 数据集构建：为解决专用标注数据集匮乏问题，整合现有阿拉伯语数据集（ASTD、LABR、HARD、SANAD），构建了综合数据集AraDhati+。其中，将LABR和HARD中带积极、消极、中性标签的文本归为主观性文本，从SANAD中选取医疗、体育、科技领域的新闻作为客观性文本，并通过过采样、数据增强、清洗与标准化等操作，确保数据集平衡且质量可靠，最终将数据集按8:2比例划分为训练集（62,332条数据）和测试集（15,584条数据）。
2. 模型微调与实验：基于Hugging Face Transformers库，对三种主流阿拉伯语大型语言模型（XLM-RoBERTa、AraBERT、ArabianGPT）进行微调。先在过采样后的ASTD数据集上微调得到第一批模型（AraSubjXLM-R_1、AraSubjBERT_1、AraSubjGPT_1），再在AraDhati+数据集上微调得到第二批模型（AraSubjXLM-R_2、AraSubjBERT_2、AraSubjGPT_2），