TCE 在 Qur'an QA 2022 中的工作：基于 BERT 模型的集成后处理用于《古兰经》阿拉伯语问答
计算与语言
2022-06-06 v1 信息检索
摘要
近年来，我们见证了利用机器学习在自然语言理解各项任务上的巨大进展。问答是其中一项任务，被搜索引擎和社交媒体平台用于改善用户体验。阿拉伯语是《古兰经》的语言，是全球 18 亿人的圣典文本。由于其复杂的结构，阿拉伯语对自然语言处理（NLP）而言是一种具有挑战性的语言。在本文中，我们描述了在 OSACT5 Qur'an QA 2022 共享任务上的尝试，该任务是一项基于阿拉伯语《古兰经》的问答挑战。我们提出了一种基于阿拉伯语版 BERT 模型的集成学习模型。此外，我们进行了后处理以增强模型预测。我们的系统在官方测试集上取得了 56.6% 的 Partial Reciprocal Rank（pRR，部分倒数排名）分数。
引用
@article{arxiv.2206.01550,
title = {TCE at Qur'an QA 2022: Arabic Language Question Answering Over Holy Qur'an Using a Post-Processed Ensemble of BERT-based Models},
author = {Mohammed ElKomy and Amany M. Sarhan},
journal= {arXiv preprint arXiv:2206.01550},
year = {2022}
}
备注
OSACT5 workshop, Qur'an QA 2022 Shared Task participation by TCE