DTW 在 Qur'an QA 2022 中的工作：利用 Transformer 的迁移学习用于低资源领域的问答
计算与语言
2022-05-13 v1
摘要
机器阅读理解 (MRC) 任务是评估机器自然语言理解能力的有用基准。由于为多种语言发布了大量数据集，它在自然语言处理 (NLP) 领域中广受欢迎。然而，包括宗教文本在内的若干领域中 MRC 的研究尚不充分。Qur'an QA 2022 共享任务的目标是通过在 Qur'an 上产生最先进的问答与阅读理解研究来填补这一空白。本文描述了 DTW 对 Quran QA 2022 共享任务的提交。我们的方法使用迁移学习以利用可用的阿拉伯语 MRC 数据。我们使用多种集成学习策略进一步改进结果。我们的方法在测试集上取得了 0.49 的部分倒数排名 (pRR) 分数，证明了其在该任务上的强劲性能。
引用
@article{arxiv.2205.06025,
title = {DTW at Qur'an QA 2022: Utilising Transfer Learning with Transformers for Question Answering in a Low-resource Domain},
author = {Damith Premasiri and Tharindu Ranasinghe and Wajdi Zaghouani and Ruslan Mitkov},
journal= {arXiv preprint arXiv:2205.06025},
year = {2022}
}
备注
Accepted to OSACT5 Co-located with LREC 2022