في إطار مشاركتهم في مسابقة SemEval-2025، حقق فريق YNU-HPCC إنجازًا ملحوظًا في المهمة 11، والتي تركزت على تعزيز التواصل الفعال للمشاعر من خلال النصوص. اعتمد الفريق على نموذج RoBERTa (Robustly Optimized BERT Approach)، وهو نسخة محسنة من نموذج BERT الشهير، والذي يستند إلى بنية المحولات (Transformer) لتحسين دقة النماذج في تحليل المشاعر.

تجدر الإشارة إلى أن النظام الذي قدمه الفريق قد تم تحسينه ليتميز بإمكانية معالجة شعور واحد في كل مرة، مما أدى إلى نتائج أفضل. وقد حصل الفريق على درجة تقييم رسمية بلغت 0.44 شاملة جميع اللغات، ويُعتبر هذا إنجازًا يُظهر تفوقهم في هذا المجال.

علاوة على ذلك، استخدم الفريق عملية ترجمة شاملة للبيانات عبر Google Translate، مما سهل عليهم المعالجة لاحقًا. ومن خلال إجراء تحليل احتمالي وتحليلات متعلقة بالاهتمام (Attention analyses)، اتضح لديهم أن استخدام رأس توقع واحد أفضل من استخدام ستة رؤوس لتوقع ستة مشاعر في آن واحد. كما أظهرت النتائج أن التدريب على مجموعة بيانات مترجمة إلى الإنجليزية بشكل موحد أعطى نتائج أفضل مقارنة باستخدام البيانات الأصلية.

للاطلاع على الشيفرة المصدرية للنظام المستخدم في هذه الدراسة، يمكن زيارة الرابط التالي: GitHub Repository.