Yseop 在 FinSim-3 2021 共享任务：利用短语表示专精金融领域学习
计算与语言
2021-08-24 v1
摘要
本文介绍我们参与 FinSim-3 共享任务 2021（金融领域语义相似性学习）的方法。该共享任务旨在将金融领域给定术语列表正确分类为外部本体中最相关的上位（或顶层）概念。在我们的系统提交中，我们评估了两种方法：一种在自定义语料上预训练的 Sentence-RoBERTa（SRoBERTa）嵌入模型，以及一种双词-句嵌入模型，它基于第一种方法，通过使用 FastText 模型改进所提出的基线词嵌入构建来提升分类性能。我们的系统在两个指标上总体排名第 2，平均准确率得分为 0.917，平均排名为 1.141。
引用
@article{arxiv.2108.09485,
title = {Yseop at FinSim-3 Shared Task 2021: Specializing Financial Domain Learning with Phrase Representations},
author = {Hanna Abi Akl and Dominique Mariko and Hugues de Mazancourt},
journal= {arXiv preprint arXiv:2108.09485},
year = {2021}
}
备注
To be published in ACL Anthology