ZJUKLAB 在 SemEval-2021 任务4：基于语言模型的负样本增强用于抽象意义阅读理解
计算与语言
2023-01-26 v3 人工智能
信息检索
机器学习
摘要
本文介绍了我们针对 SemEval 任务4（抽象意义阅读理解，ReCAM）三个子任务的系统。我们解释了用于学习模型的算法，以及调参和选择最佳模型的过程。受 ReCAM 任务与语言预训练相似性的启发，我们提出了一种简单而有效的技术，即基于语言模型的负样本增强。评估结果证明了我们所提方法的有效性。我们的模型在子任务1和子任务2的官方测试集上分别以 87.9% 和 92.8% 的准确率位列第 4 名。我们进一步进行了全面的模型分析并观察到有趣的错误案例，这可能促进未来的研究。
引用
@article{arxiv.2102.12828,
title = {ZJUKLAB at SemEval-2021 Task 4: Negative Augmentation with Language Model for Reading Comprehension of Abstract Meaning},
author = {Xin Xie and Xiangnan Chen and Xiang Chen and Yong Wang and Ningyu Zhang and Shumin Deng and Huajun Chen},
journal= {arXiv preprint arXiv:2102.12828},
year = {2023}
}
备注
Accepted by SemEval-2021 Workshop, ACL-IJCNLP 2021