論文の概要: AraGenre 2026: A Hierarchical Definition-Guided Arabic Genre Classification Shared Task
- arxiv url: http://arxiv.org/abs/2609.27387v1
- Date: Wed, 23 Sep 2026 05:39:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.90084
- Title: AraGenre 2026: A Hierarchical Definition-Guided Arabic Genre Classification Shared Task
- Title（参考訳）: AraGenre 2026:Hierarchical Definition-Guided Arabic Genre Classification Shared Task
- Abstract要約: AraGenre は階層的、定義を導いたアラビア語のジャンル分類の共有タスクである。
リリースされたトレーニングおよび開発セットには、限られた、主に合成および制御された例が含まれている。
隠れた最終ベンチマークには、現代標準アラビア語、古典アラビア語、および複数の方言にまたがる、より自然に現れるテキストが含まれている。
- 参考スコア（独自算出の注目度）: 5.052793064265138
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AraGenre is a shared task on hierarchical, definition-guided Arabic genre classification, motivated by the limited availability of annotated data in Arabic and other low-resource languages. Systems assign each Arabic text segment both a broad communicative genre and a fine-grained specific genre. The released training and development sets contain limited, primarily synthetic and controlled examples, whereas the hidden final benchmark contains noisier naturally occurring text spanning Modern Standard Arabic, Classical Arabic, and multiple dialects. Participants received natural-language definitions for 74 previously unseen specific genres, creating a zero-shot label generalisation setting in which systems had to infer class semantics rather than memorise fixed label-feature associations. The task attracted 46 registrations and 373 submissions, with 17 teams completing the final evaluation. Thakaa ranked first with a Hierarchical Macro F1 of 0.7352, followed by HoangPhong (HP) with 0.7169 and NAMAA with 0.7013. The results show strong broad-genre recognition but a substantial gap in fine-grained classification under linguistic and domain variation.
- Abstract（参考訳）: AraGenreは、アラビア語やその他の低リソース言語における注釈付きデータの限られた可用性によって動機づけられた、階層的で定義誘導されたアラビア語のジャンル分類に関する共有タスクである。
システムでは、各アラビア語のテキストセグメントに広義のコミュニケーションジャンルときめ細かい特定のジャンルを割り当てる。
リリースされたトレーニングと開発セットは限定的で、主に合成され、制御された例を含んでいるが、隠れた最終ベンチマークには、現代標準アラビア語、古典アラビア語、および複数の方言にまたがるより自然に現れるテキストが含まれている。
参加者は74の特定のジャンルについて自然言語で定義され、ゼロショットのラベルを一般化し、固定されたラベルとフィーチャーの関連を記憶するよりも、クラスの意味を推論しなければならない。
このタスクには46の登録と733の応募があり、17チームが最終評価を完了した。
タカアはヒエラルキーのマクロF1を0.7352とし、HangPhong(HP)を0.7169、NAAAを0.7013とした。
その結果,言語的および領域的変異下での粒度分類において,強い広義認識の差が認められた。
関連論文リスト
- NADI 2026: The Second Multidialectal Arabic Speech Processing Shared Task [58.96707725438922]
自動音声認識(ASR)、音声対話識別(SDID)、テキスト音声翻訳(TTS)、音声言語翻訳(SLT)、音声言語理解(SLU)の5つのタスクと8つのサブタスクからなる。
Nadir 2026は、低帯域幅、混合ダイアレクト、コードスイッチ、アウト・オブ・ドメイン、ゼロショット設定による現実的な評価を強調している。
論文 参考訳（メタデータ） (2026-09-22T21:37:54Z) - AlexandriaX 2026: The First Shared Task on Dialectal Arabic Machine Translation [65.18574662565511]
アレクサンドリアX 2026 アラビア語 MT の共有タスクは、3つのサブタスクを通じて課題に対処する。
Subtask 1の最良のシステムは、制約のないトラックで30.42 spBLEU、制約のないトラックで33.49 spBLEUを達成した。
その結果、明示的な方言モデリング、文脈認識生成、検索と再ランク付け、およびMT誤り解析のための特殊なアプローチの利点が浮き彫りになった。
論文 参考訳（メタデータ） (2026-09-19T05:59:30Z) - Automatic Classification of Arabic Literature into Historical Eras [2.3419031955865517]
本稿では、ニューラルネットワークとディープラーニング技術を用いて、アラビア語のテキストを異なる時代と時代に自動的に分類する。
提案モデルは、2つの公用コーパスから得られた2つのデータセットを用いて評価され、イスラム以前のテキストから現代までのテキストをカバーしている。
結果は、OpenITIデータセットとAPCDデータセットを使用してバイナリ時代の分類タスクにおいて、それぞれ0.83と0.79のF1スコアから変化している。
論文 参考訳（メタデータ） (2026-01-22T17:32:19Z) - DialectalArabicMMLU: Benchmarking Dialectal Capabilities in Arabic and Multilingual Language Models [54.10223256792762]
アラビア方言における大規模言語モデル(LLM)の性能評価のための新しいベンチマークであるDialectalArabicMMLUを提案する。
MMLU-Redux フレームワークを手動で翻訳し、3K 個の質問応答対を5つの主要な方言に適応することで拡張する。
論文 参考訳（メタデータ） (2025-10-31T15:17:06Z) - Guidelines for Fine-grained Sentence-level Arabic Readability Annotation [9.261022921574318]
Balanced Arabic Readability Evaluation Corpus (BAREC) は、アラビア語の詳細な文レベルの可読性評価のための大規模リソースである。
Taha/Arabi21フレームワークに基づいて、このガイドラインはアラビア語話者の教育者による反復的な教育によって洗練された。
論文 参考訳（メタデータ） (2024-10-11T09:59:46Z) - ArabicMMLU: Assessing Massive Multitask Language Understanding in Arabic [51.922112625469836]
アラビア語における最初のマルチタスク言語理解ベンチマークである、データセット名を提案する。
我々のデータは、現代標準アラビア語(MSA)における40のタスクと14,575のマルチチョイス質問で構成されており、地域の母語話者と協調して慎重に構築されている。
35モデルについて評価した結果,特にオープンソースモデルにおいて,改善の余地がかなり高いことが判明した。
論文 参考訳（メタデータ） (2024-02-20T09:07:41Z) - ALDi: Quantifying the Arabic Level of Dialectness of Text [17.37857915257019]
我々は、アラビア語話者が方言のスペクトルを知覚し、文レベルでアラビア方言レベル(ALDi)として機能すると主張している。
AOC-ALDiの詳細な分析を行い、訓練したモデルが他のコーパスの方言のレベルを効果的に識別できることを示す。
論文 参考訳（メタデータ） (2023-10-20T18:07:39Z) - AceGPT, Localizing Large Language Models in Arabic [73.39989503874634]
本稿では,アラビア語のテキストによる事前学習,ネイティブなアラビア語命令を利用したSFT(Supervised Fine-Tuning),アラビア語のGPT-4応答を含む総合的なソリューションを提案する。
目標は、文化的に認知され、価値に整合したアラビア語のLLMを、多様で応用特有のアラビア語コミュニティのニーズに適応させることである。
論文 参考訳（メタデータ） (2023-09-21T13:20:13Z) - AraDIC: Arabic Document Classification using Image-Based Character
Embeddings and Class-Balanced Loss [7.734726150561088]
本稿では,アラビア文書イメージベース分類器 (AraDIC) を新たに提案する。
AraDICは画像ベースの文字エンコーダと分類器から構成される。長期データ分散問題に対処するために、クラスバランス損失を用いてエンドツーエンドで訓練される。
我々の知る限りでは、アラビア文字分類の問題に対処する最初の画像ベースの文字埋め込みフレームワークである。
論文 参考訳（メタデータ） (2020-06-20T14:25:06Z)
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。