JU_NLP 在 HinglishEval 中的工作：低资源码混合 Hinglish 文本的质量评估
计算与语言
2022-06-17 v1 社会与信息网络
摘要
本文描述了提交至 INLG 2022 生成挑战赛（GenChal）关于低资源合成码混合 Hinglish 文本质量评估的一项系统。我们实现了一个基于 Bi-LSTM 的神经网络模型，用于预测合成 Hinglish 数据集的平均评分（Average rating score）和分歧评分（Disagreement score）。在我们的模型中，我们对英语和印地语数据使用词嵌入，对 Hinglish 数据使用 one hot 编码。在平均评分预测任务中，我们取得了 0.11 的 F1 分数和 6.0 的均方误差。在分歧评分预测任务中，我们取得了 0.18 的 F1 分数和 5.0 的均方误差。
引用
@article{arxiv.2206.08053,
title = {JU_NLP at HinglishEval: Quality Evaluation of the Low-Resource Code-Mixed Hinglish Text},
author = {Prantik Guha and Rudra Dhar and Dipankar Das},
journal= {arXiv preprint arXiv:2206.08053},
year = {2022}
}