X-PuDu在SemEval-2022任务7上的系统：基于替换词检测预训练模型与模式感知集成的隐含短语合理澄清识别
计算与语言
2022-11-29 v1 人工智能
摘要
本文描述了我们在SemEval 2022任务7（识别教学文本中隐含与欠指定短语的合理澄清）上的冠军系统。我们利用一个替换词检测预训练模型，配以微小差异的任务特定头，分别用于子任务A：多分类与子任务B：排序。结合模式感知集成方法，我们的系统在子任务A上取得68.90%准确率、在子任务B上取得0.8070 spearman秩相关分数，分别以2.7和2.2个百分点的大幅优势超越第二名。我们的方法简单且易于实现，并针对系统中所用策略进行了消融研究及定性与定量分析。
引用
@article{arxiv.2211.14734,
title = {X-PuDu at SemEval-2022 Task 7: A Replaced Token Detection Task Pre-trained Model with Pattern-aware Ensembling for Identifying Plausible Clarifications},
author = {Junyuan Shang and Shuohuan Wang and Yu Sun and Yanjun Yu and Yue Zhou and Li Xiang and Guixiu Yang},
journal= {arXiv preprint arXiv:2211.14734},
year = {2022}
}
备注
Accepted at the 16th International Workshop on Semantic Evaluation (SemEval-2022), NAACL