semeval 2022 | BriefGPT - AI 论文速递

关键词semeval 2022

搜索结果 - 6

ACL多词语无监督释义
提出了一种用于无监督多词表达式改写的方法，通过使用单语料库和预训练语言模型（无需微调），不需要使用任何外部资源，例如词典，并在 SemEval 2022 成语语义文本相似度任务上表现优于所有无监督系统并与监督系统相媲美。
PDFa year ago
使用大型预训练语言模型的低资源命名实体识别：SemEval-2022 任务 11 中的 SFE-AI
本文描述我们在 SemEval 2022 任务 11 中使用 Transformer 层自适应地整合多个预训练语言模型进行实体识别，在波斯语和荷兰语方面表现优异。
PDF2 years ago
Taygete 在 SemEval-2022 任务 4 中：基于 RoBERTa 的模型用于检测居高临下和轻视的语言
本文描述了使用不同模型来检测新闻文章中的居高临下和傲慢语言的开发过程，并且这些模型基于预先训练的 RoBERTa 语言模型并结合 LSTM 和 CNN 层。最佳模型在子任务 A 中排名第 15，F1 得分为 0.5924，在子任务 B 中排
PDF2 years ago
TEAM-Atreides 参加 SemEval-2022 任务 11：利用数据增强和集成技术识别孟加拉语的复杂命名实体
本文介绍了我们在 SemEval 2022 Task 11 中研究的复杂命名实体识别问题的研究，使用了多种基于 ELECTRA 的模型以实现优秀的性能，同时讨论了一些技术方面的决策和实验结果。
PDF2 years ago
SemEval-2022 任务 7：使用 Transformer 和序数回归解决填空测试
使用预先训练好的 transformer 作为骨干，该模型旨在解决多任务学习中的分类和排序任务，在 Wikihow 网站相关的指导文本中找到最佳占位符，采用两个序数回归组合来解决这个任务，使用该系统在 SemEval 2022 Task 7
PDF2 years ago
IISERB 参加 SemEval 2022 第 6 个任务：一种用于识别英语讽刺意图的深度学习框架
本研究介绍了 'IISERBBrains' 小组在 SemEval 2022 比赛中采用的系统架构和模型，并在三个子任务中获得了相应的排名，同时报告了金标签评估数据发布后进行的实验所获得的其他模型和结果。
PDF2 years ago