语义文本相关性的多语言评估
计算与语言
2024-04-16 v1
摘要
在线内容的爆炸性增长要求有强大的自然语言处理（NLP）技术，能够捕捉跨多种语言的细微含义和文化语境。语义文本相关性（STR）超越了表面的词语重叠，考虑了语言元素以及主题、情感和视角等非语言因素。尽管其作用关键，但先前的 NLP 研究主要集中在英语上，限制了其在跨语言中的适用性。为弥补这一差距，我们的论文深入探讨了如何捕捉句子之间超越简单词语重叠的更深层次联系。超越以英语为中心的 NLP 研究，我们探索了马拉地语、印地语、西班牙语和英语中的 STR，释放了其在信息检索、机器翻译等领域的潜力。利用 SemEval-2024 共享任务，我们探索了跨三种学习范式的各种语言模型：有监督、无监督和跨语言。我们全面的方法论取得了有希望的结果，证明了我们方法的有效性。这项工作旨在不仅展示我们的成就，而且激发在多语言 STR 方面的进一步研究，特别是针对低资源语言。
引用
@article{arxiv.2404.09047,
title = {Multilingual Evaluation of Semantic Textual Relatedness},
author = {Sharvi Endait and Srushti Sonavane and Ridhima Sinare and Pritika Rohera and Advait Naik and Dipali Kadam},
journal= {arXiv preprint arXiv:2404.09047},
year = {2024}
}
备注
8 pages