Adam-Smith 在 SemEval-2023 任务4中的表现：基于 Transformer 模型集成的论证人类价值观发现
计算与语言
2023-05-16 v1 人工智能
摘要
本文介绍了在 SemEval-2023 任务4“论证背后人类价值观的识别”中表现最佳的方法（别名为“Adam Smith”）。该任务的目标是构建能够自动识别文本论证中价值观的系统。我们训练基于 transformer 的模型，直至其达到损失最小值或 f1-score 最大值。通过选择一个使 f1-score 最大化的全局决策阈值来集成模型，从而得到了竞赛中表现最佳的系统。基于逻辑回归堆叠的集成在用于评估鲁棒性的额外数据集（“Nahj al-Balagha”）上表现出最佳性能。除了概述所提交的系统外，我们还证明无需使用大型集成模型，系统规模可显著缩减。
引用
@article{arxiv.2305.08625,
title = {Adam-Smith at SemEval-2023 Task 4: Discovering Human Values in Arguments with Ensembles of Transformer-based Models},
author = {Daniel Schroter and Daryna Dementieva and Georg Groh},
journal= {arXiv preprint arXiv:2305.08625},
year = {2023}
}
备注
The winner of SemEval-2023 Task 4: "Identification of Human Values behind Arguments"