IITK@LCP在SemEval 2021任务1中的工作:面向词汇复杂度回归任务的分类方法
计算与语言
2021-04-05 v1
摘要
本文描述了我们对SemEval 2021任务1:词汇复杂度预测的贡献。在我们的方法中,我们利用ELECTRA模型并尝试镜像数据标注方案。尽管该任务是回归任务,我们展示了可将其视为若干分类与回归模型的聚合。这一看似反直觉的方法在子任务1上取得了0.0654的MAE分数,在子任务2上取得了0.0811的MAE分数。此外,我们在工作中使用了来自Gloss-BERT的弱监督信号概念,其显著改善了子任务1中的MAE分数。
引用
@article{arxiv.2104.01046,
title = {IITK@LCP at SemEval 2021 Task 1: Classification for Lexical Complexity Regression Task},
author = {Neil Rajiv Shirude and Sagnik Mukherjee and Tushar Shandhilya and Ananta Mukherjee and Ashutosh Modi},
journal= {arXiv preprint arXiv:2104.01046},
year = {2021}
}
备注
Accepted at SemEval 2021 Task 1, 7 Pages (5 Pages main content+ 2 pages for reference)