( en | de | ru )

 

Disambiguierung von "Sobhani, Parinaz"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Stance and Sentiment in Tweets.

, , und . ACM Trans. Internet Techn., 17 (3): 26:1-26:23 (2017)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Parinaz Ameri

Mehrdad Sobhani

Farhad Sobhani

Jamschid Sobhani

Farideh Sobhani

 

Weitere Publikationen von Autoren mit dem selben Namen

On the Trustworthiness of Tree Ensemble Explainability Methods., , , und . CD-MAKE, Volume 12844 von Lecture Notes in Computer Science, Seite 293-308. Springer, (2021)From Argumentation Mining to Stance Classification., , und . ArgMining@HLT-NAACL, Seite 67-77. The Association for Computational Linguistics, (2015)Shrinking Bigfoot: Reducing wav2vec 2.0 footprint., , , , , , und . SustaiNLP@EMNLP, Seite 134-141. Association for Computational Linguistics, (2021)New Drift Detection Method for Data Streams., und . ICAIS, Volume 6943 von Lecture Notes in Computer Science, Seite 88-97. Springer, (2011)SemEval-2016 Task 6: Detecting Stance in Tweets., , , , und . SemEval@NAACL-HLT, Seite 31-41. The Association for Computer Linguistics, (2016)DAG-Structured Long Short-Term Memory for Semantic Compositionality., , und . HLT-NAACL, Seite 917-926. The Association for Computational Linguistics, (2016)Neural Networks for Integrating Compositional and Non-compositional Sentiment in Sentiment Composition., , und . *SEM@NAACL-HLT, Seite 1-9. The *SEM 2015 Organizing Committee, (2015)A Dataset for Multi-Target Stance Detection., , und . EACL (2), Seite 551-557. Association for Computational Linguistics, (2017)Detecting Stance in Tweets And Analyzing its Interaction with Sentiment., , und . *SEM@ACL, The *SEM 2016 Organizing Committee, (2016)Boosting Model Performance through Differentially Private Model Aggregation., , , , , , und . CoRR, (2018)