MaiNLP在SemEval-2024任务1中：分析跨语言文本相关性的源语言选择
计算与语言
2024-04-04 v1
摘要
本文介绍了我们为SemEval-2024任务1：语义文本相关性（STR）的跨语言轨道（Track C）开发的系统。该任务旨在检测给定目标语言中两个句子的语义相关性，无需直接监督（即零样本跨语言迁移）。为此，我们专注于在两种不同的预训练语言模型（XLM-R和Furina）上采用不同的源语言选择策略。我们实验了：1）基于类型学相似性选择源语言的单源迁移；2）用两个最近邻源语言增强英语训练数据；3）多源迁移，比较在所有训练语言上选择与在同一语系语言上选择。我们进一步研究了基于机器翻译的数据增强和文字差异的影响。我们的提交在C8（基尼亚卢旺达语）测试集上获得了第一名。
引用
@article{arxiv.2404.02570,
title = {MaiNLP at SemEval-2024 Task 1: Analyzing Source Language Selection in Cross-Lingual Textual Relatedness},
author = {Shijia Zhou and Huangyan Shan and Barbara Plank and Robert Litschko},
journal= {arXiv preprint arXiv:2404.02570},
year = {2024}
}