HFL在SemEval-2022任务8上的系统：一种受语言学启发的带数据增强的回归模型用于多语言新闻相似度
计算与语言
2022-04-12 v1
摘要
本文描述了我们为SemEval-2022任务8：多语言新闻文章相似度所设计的系统。我们提出了一种受语言学启发的模型，并采用若干任务特定策略进行训练。我们系统的主要技术为：1)数据增强，2)多标签损失，3)适配的R-Drop，4)基于头尾组合的样本重建。我们也对如双塔架构等一些负面方法给出了简要分析。我们的系统在排行榜上排名第1，同时在官方评估集上取得了0.818的皮尔逊相关系数。
引用
@article{arxiv.2204.04844,
title = {HFL at SemEval-2022 Task 8: A Linguistics-inspired Regression Model with Data Augmentation for Multilingual News Similarity},
author = {Zihang Xu and Ziqing Yang and Yiming Cui and Zhigang Chen},
journal= {arXiv preprint arXiv:2204.04844},
year = {2022}
}
备注
6 pages; SemEval-2022 Task 8