Enigma 团队在 ArgMining-EMNLP 2021：利用预训练语言模型进行关键点匹配
计算与语言
2021-10-26 v1
摘要
我们给出面向 ArgMining 2021 关键点分析共享任务的提交系统说明。该共享任务的 Track 1 要求参与者开发方法，在论据与关键点同属同一话题且同一立场时，预测每对论据与关键点之间的匹配分数。我们利用现有最先进的预训练语言模型，并结合从输入（话题、关键点与论据）提取的额外数据与特征以提升性能。我们在评测阶段分别取得 mAP strict 与 mAP relaxed 分数 0.872 与 0.966，位列排行榜第 5 名。在后评测阶段，我们分别取得 mAP strict 与 mAP relaxed 分数 0.921 与 0.982。所有用于复现我们模型结果的代码均发布于 Github。
引用
@article{arxiv.2110.12370,
title = {Team Enigma at ArgMining-EMNLP 2021: Leveraging Pre-trained Language Models for Key Point Matching},
author = {Manav Nitin Kapadnis and Sohan Patnaik and Siba Smarak Panigrahi and Varun Madhavan and Abhilash Nandy},
journal= {arXiv preprint arXiv:2110.12370},
year = {2021}
}