FuocChuVIP123在CoMeDi共享任务中的结果：基于XLM-Roberta句子嵌入和深度神经回归的异议排序
计算与语言
2025-01-22 v1 人工智能
摘要
本文 presenting了我们系统在CoMeDi共享任务中结果，聚焦于子任务2：异议排序。我们的系统利用来自paraphrase-xlm-r-multilingual-v1模型生成的句子嵌入，结合采用批量归一化和dropout的深度神经回归模型以提高泛化能力。通过预测注释员之间两两判断差值的均值，我们的方法显式地针对异议排序，区别于传统的“黄金标签”聚合方法。我们针对该系统进行了定制化的架构和训练程序优化，实现了在斯佩曼相关性方面对均值异议标签具有竞争力的性能。我们的实验结果表明，稳健的嵌入、有效的模型架构以及对判断差异的严谨处理对于在多语言语境下进行异议排序至关重要。这些发现为利用上下文感知表示处理序数判断任务提供了见解，为进一步完善异议预测模型开辟了研究方向。
关键词
引用
@article{arxiv.2501.12336,
title = {FuocChuVIP123 at CoMeDi Shared Task: Disagreement Ranking with XLM-Roberta Sentence Embeddings and Deep Neural Regression},
author = {Phuoc Duong Huy Chu},
journal= {arXiv preprint arXiv:2501.12336},
year = {2025}
}
备注
Accepted at COMEDI shared Task, Workshop at COLING 2025