KInITVeraAI 在 SemEval-2023 任务 3 中的工作：用于说服技术检测的简洁而强大的多语言微调方法
计算与语言
2024-06-11 v1 机器学习
摘要
本文提出了在 SemEval 2023 任务 3 中针对说服技术检测子任务 3 性能最佳的解决方案。由于输入数据具有高度多语言特性，且需预测 23 个标签（导致某些语言-标签组合缺乏标注数据），我们选择了微调基于 transformer 的预训练语言模型。通过多次实验，我们找到了最佳配置：使用大型多语言模型（XLM-RoBERTa large）在所有输入数据上联合训练，并为已知语言和未知语言分别仔细校准置信度阈值。我们的最终系统在 9 种语言中的 6 种（包括两种未知语言）上表现最佳，并在其余三种语言上取得了极具竞争力的结果。
引用
@article{arxiv.2304.11924,
title = {KInITVeraAI at SemEval-2023 Task 3: Simple yet Powerful Multilingual Fine-Tuning for Persuasion Techniques Detection},
author = {Timo Hromadka and Timotej Smolen and Tomas Remis and Branislav Pecher and Ivan Srba},
journal= {arXiv preprint arXiv:2304.11924},
year = {2024}
}
备注
System paper within SemEval 2023 Task 3 on the subtask 3