In this paper, we describe our system submitted for SemEval 2020 Task 9, Sentiment Analysis for Code-Mixed Social Media Text alongside other experiments. Our best performing system is a Transfer Learning-based model that fine-tunes "XLM-RoBERTa", a transformer-based multilingual masked language model, on monolingual English and Spanish data and Spanish-English code-mixed data. Our system outperforms the official task baseline by achieving a 70.1% average F1-Score on the official leaderboard using the test set. For later submissions, our system manages to achieve a 75.9% average F1-Score on the test set using CodaLab username "ahmed0sultan".

中文翻译：

---

SemEval-2020 中的 WESSA 任务 9：使用 Transformer 进行代码混合情绪分析

在本文中，我们描述了我们提交给 SemEval 2020 任务 9，代码混合社交媒体文本的情感分析以及其他实验的系统。我们表现​​最好的系统是一个基于迁移学习的模型，它可以在单语英语和西班牙语数据以及西班牙语-英语代码混合数据上微调“XLM-RoBERTa”，这是一种基于转换器的多语言掩码语言模型。我们的系统使用测试集在官方排行榜上实现了 70.1% 的平均 F1-Score，优于官方任务基线。对于以后的提交，我们的系统设法使用 CodaLab 用户名“ahmed0sultan”在测试集上实现了 75.9% 的平均 F1-Score。