YEZE at SemEval-2026 Task 9: 基于异构集成的多语言、多文化与多事件在线极化检测
计算与语言
2026-05-12 v2
摘要
本文介绍了我们为 SemEval-2026 Task 9：检测多语言、多文化与多事件在线极化所开发的系统，该系统通过三个子任务在 22 种语言中识别极化的社交媒体内容：二元检测、目标分类和表现形式识别。我们提出了一种多语言预训练模型的异构集成方法，结合了 XLM-RoBERTa-large 和 mDeBERTa-v3-base。我们研究了多任务学习、基于翻译的数据增强和类别加权等技术，以在严重的标签不平衡下提高分类性能。我们的研究结果表明，独立任务建模结合类别加权更为有效。
引用
@article{arxiv.2605.06231,
title = {YEZE at SemEval-2026 Task 9: Detecting Multilingual, Multicultural and Multievent Online Polarization via Heterogeneous Ensembling},
author = {Fengze Guo and Yue Chang},
journal= {arXiv preprint arXiv:2605.06231},
year = {2026}
}
备注
Accepted to the SemEval-2026 workshop of the ACL 2026 conference