1Cademy 在 Semeval-2022 任务1：探究多语、多任务与语言无关技巧在反向词典任务中的有效性
计算与语言
2022-06-09 v1
摘要
本文描述了我们用于 SemEval2022 词典释义与词嵌入匹配任务的系统。我们聚焦于比赛的反向词典赛道，该赛道将多语释义映射至重构的向量表示。更具体地，模型将句子输入转换为三类嵌入：SGNS、Char 与 Electra。我们提出了若干实验，将神经网络单元、通用多语与多任务结构以及语言无关技巧应用于该任务。我们还提供了不同词嵌入类型的比较与消融研究，以给出有效策略。我们初始的基于 transformer 的模型表现相对偏低。然而，针对不同重分词方法的试验显示出性能提升。我们提出的基于 Elm 的单语模型取得了最高结果，其多任务与多语变体也展现出具竞争力的表现。
引用
@article{arxiv.2206.03702,
title = {1Cademy at Semeval-2022 Task 1: Investigating the Effectiveness of Multilingual, Multitask, and Language-Agnostic Tricks for the Reverse Dictionary Task},
author = {Zhiyong Wang and Ge Zhang and Nineli Lashkarashvili},
journal= {arXiv preprint arXiv:2206.03702},
year = {2022}
}
备注
9 pages, 1 figure, SemEval 2022 Task 1