論文の概要: DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification
- arxiv url: http://arxiv.org/abs/2509.11498v1
- Date: Mon, 15 Sep 2025 01:25:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-16 17:26:23.112239
- Title: DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification
- Title（参考訳）: DisRPT 2025共有タスクにおけるDeDisCo:談話関係分類システム
- Authors: Zhuoxuan Ju, Jingni Wu, Abhishek Purushothama, Amir Zeldes,
- Abstract要約: 本稿では,ジョージタウン大学の DisRPT 2025 共用課題である DeDisCo について述べる。
オープンなQwenモデルを用いてmt5ベースのエンコーダとデコーダベースのアプローチの2つのアプローチをテストする。
本システムは,71.28のマクロ精度スコアを達成し,結果に対する解釈と誤り解析を行う。
- 参考スコア（独自算出の注目度）: 6.070010259231488
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents DeDisCo, Georgetown University's entry in the DISRPT 2025 shared task on discourse relation classification. We test two approaches, using an mt5-based encoder and a decoder based approach using the openly available Qwen model. We also experiment on training with augmented dataset for low-resource languages using matched data translated automatically from English, as well as using some additional linguistic features inspired by entries in previous editions of the Shared Task. Our system achieves a macro-accuracy score of 71.28, and we provide some interpretation and error analysis for our results.
- Abstract（参考訳）: 本稿では,ジョージタウン大学の DisRPT 2025 共用課題である DeDisCo について述べる。
オープンなQwenモデルを用いてmt5ベースのエンコーダとデコーダベースのアプローチの2つのアプローチをテストする。
また、英語から自動的に翻訳されたマッチングデータと、以前の共有タスクのエントリにインスパイアされた追加言語機能を用いて、低リソース言語のための拡張データセットによるトレーニング実験を行った。
本システムは,71.28のマクロ精度スコアを達成し,結果に対する解釈と誤り解析を行う。
関連論文リスト
- SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。
コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。
本稿では,挑戦設計と入賞方法について述べる。
論文 参考訳（メタデータ） (2025-08-09T11:57:33Z) - Annif at SemEval-2025 Task 5: Traditional XMTC augmented by LLMs [0.0]
本稿では,SemEval-2025タスク5(LLM)におけるAnnifシステムについて述べる。
大規模言語モデルを用いた主観的索引付けに重点を置いている。
我々のアプローチは、従来の自然言語処理と機械学習技術を組み合わせています。
論文 参考訳（メタデータ） (2025-04-28T11:04:23Z) - HiTZ at VarDial 2025 NorSID: Overcoming Data Scarcity with Language Transfer and Automatic Data Annotation [5.989003825349711]
Intent Detection, Slot Filling, Dialect Identificationの3つのタスクからなるNorSID共有タスクを提案する。
Intent DetectionとSlot Fillingでは、17言語で利用可能なxSIDデータセットを活用するために、言語間設定でマルチタスクモデルを微調整した。
ダイアレクト同定の場合、最終的な提案は、提供された開発セットに微調整されたモデルで構成され、最高スコアを得た。
論文 参考訳（メタデータ） (2024-12-13T12:31:06Z) - Unify word-level and span-level tasks: NJUNLP's Participation for the
WMT2023 Quality Estimation Shared Task [59.46906545506715]
我々は、WMT 2023 Quality Estimation (QE)共有タスクにNJUNLPチームを紹介する。
私たちのチームは2つのサブタスクすべてで英語とドイツ語のペアの予測を提出しました。
我々のモデルは、単語レベルと細粒度エラースパン検出サブタスクの両方において、英語とドイツ語で最高の結果を得た。
論文 参考訳（メタデータ） (2023-09-23T01:52:14Z) - Team \'UFAL at CMCL 2022 Shared Task: Figuring out the correct recipe
for predicting Eye-Tracking features using Pretrained Language Models [9.087729124428467]
本稿では,眼球追跡情報予測のためのCMCL 2022共有タスクについて述べる。
提案は平均5.72のMAEを達成し,共有タスクでは5位にランクインした。
論文 参考訳（メタデータ） (2022-04-11T10:43:34Z) - NEMO: Frequentist Inference Approach to Constrained Linguistic Typology
Feature Prediction in SIGTYP 2020 Shared Task [83.43738174234053]
タイプ的特徴間の相関関係を表現するために頻繁な推論を用い、この表現を用いて、個々の特徴を予測する単純なマルチクラス推定器を訓練する。
テスト言語149言語に対して,マイクロ平均精度0.66を達成できた。
論文 参考訳（メタデータ） (2020-10-12T19:25:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。