要約
本稿では、SemEval-2024 コンペティションにおける会話中の感情認識および感情反転推論（Emotion Flip Reasoning）に向けた革新的なアプローチを報告する。特に、ヒンディ語と英語が混在するコードミックス言語（Hindi-English code-mixed language）の分析に焦点を当てている。大規模言語モデル（Large Language Models, LLMs）を、インストラクションベースのファインチューニングと量子化低ランク適応（Quantized Low-Rank Adaptation, QLoRA）と統合することで、本研究はSentext-heightという新たな技術および高度なプロンプティング戦略を導入し、コードミックス会話データにおける感情分析の複雑性に対応する。提案手法の実験結果は、ラベルバイアスの克服およびコードミックス言語の難しさに対する有効性を明確に示している。本チームは、タスク1、2、3においてそれぞれ5位、3位、3位の成績を収めた。本研究は、感情認識モデルの性能向上に向けた貴重な知見と手法を提供し、この分野における継続的な研究の重要性を強調している。