CLaC 在 SemEval-2025 任务 6 中：面向企业环境承诺验证的多架构方法
计算与语言
2025-05-30 v1 人工智能
摘要
本文介绍了我们针对 SemEval-2025 任务 6（PromiseEval）的方法，该任务侧重于验证企业 ESG（环境、社会和治理）报告中的承诺。我们探索了三种模型架构，以解决承诺识别、支持证据评估、清晰度评估和验证时机这四个子任务。我们的第一个模型利用 ESG-BERT 结合特定任务的分类器头，而我们的第二个模型通过为每个子任务量身定制的语言特征增强了该架构。我们的第三种方法实现了一个组合子任务模型，包含基于注意力的序列池化、结合文档元数据增强的 Transformer 表示，以及多目标学习。在 ML-Promise 数据集英文部分上的实验表明，我们的模型取得了渐进式改进，其中我们的组合子任务方法获得了 0.5268 的排行榜得分，优于所提供的 0.5227 基线。我们的工作突显了语言特征提取、注意力池化和多目标学习在承诺验证任务中的有效性，尽管存在类别不平衡和训练数据有限等挑战。
引用
@article{arxiv.2505.23538,
title = {CLaC at SemEval-2025 Task 6: A Multi-Architecture Approach for Corporate Environmental Promise Verification},
author = {Nawar Turk and Eeham Khan and Leila Kosseim},
journal= {arXiv preprint arXiv:2505.23538},
year = {2025}
}
备注
Accepted to SemEval-2025 Task 6 (ACL 2025)