DeDisCo 在 DISRPT 2025 共享任务中的表现：面向话语关系分类的系统
计算与语言
2025-09-23 v4
摘要
本文介绍了 DeDisCo，Georgetown University 在 DISRPT 2025 共享任务中提交的条目，该任务聚焦于话语关系分类。我们测试了两种方法，分别使用基于 mt5 的编码器和基于 Qwen 模型的解码器方法。我们还实验性地使用来自英语的自动翻译数据扩充的低资源语言训练数据，以及受前几届共享任务条目启发的额外语言特征。我们的系统获得了 71.28 的宏平均准确率，我们提供了一些解释和错误分析。
引用
@article{arxiv.2509.11498,
title = {DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification},
author = {Zhuoxuan Ju and Jingni Wu and Abhishek Purushothama and Amir Zeldes},
journal= {arXiv preprint arXiv:2509.11498},
year = {2025}
}
备注
System submission for the DISRPT 2025 - Shared Task on Discourse Relation Parsing and Treebanking In conjunction with CODI-CRAC & EMNLP 2025. 1st place in Task 3: relation classification