LTG在SemEval-2025任务10：优化叙事角色分类的上下文
计算与语言
2025-06-09 v1
摘要
我们的工作是为SemEval 2025共享任务10子任务1（实体框架）贡献的解决方案，旨在为带掩码语言模型的分类提供更长文档中必要的片段。我们表明，一种简单的以实体为导向的启发式方法即可启用限于上下文窗口大小的文本分类。我们的上下文选择方法和XLM-RoBERTa语言模型的表现与更大规模生成式语言模型的监督微调相当，甚至优于后者。
引用
@article{arxiv.2506.05976,
title = {LTG at SemEval-2025 Task 10: Optimizing Context for Classification of Narrative Roles},
author = {Egil Rønningstad and Gaurav Negi},
journal= {arXiv preprint arXiv:2506.05976},
year = {2025}
}
备注
Accepted for SemEval 2025; The 19th International Workshop on Semantic Evaluation