TCE 在 Qur'an QA 2023 共享任务中的表现：面向古兰经问答的低资源增强型 Transformer 集成方法
计算与语言
2024-01-25 v1 人工智能
摘要
本文介绍了我们应对 Qur'an QA 2023 共享任务 A 和 B 的方法。为解决低资源训练数据的挑战，我们依赖迁移学习和投票集成来提高多次运行中的预测稳定性。此外，我们针对两项任务，为一系列基于阿拉伯语预训练 Transformer 的模型采用了不同的架构和学习机制。为识别不可回答的问题，我们提出使用阈值机制。我们的顶级系统在隐藏分割集上的表现大幅超越了基线性能，任务 A 的 MAP 得分为 25.05%，任务 B 的部分平均精确率 (pAP) 为 57.11%。
引用
@article{arxiv.2401.13060,
title = {TCE at Qur'an QA 2023 Shared Task: Low Resource Enhanced Transformer-based Ensemble Approach for Qur'anic QA},
author = {Mohammed Alaa Elkomy and Amany Sarhan},
journal= {arXiv preprint arXiv:2401.13060},
year = {2024}
}