論文の概要: TTLab at Daleel 2026: STAR-Ar, Sequence Tagging for Argument Recognition in Arabic

• arxiv url: http://arxiv.org/abs/2609.39385v1
• Date: Wed, 30 Sep 2026 09:34:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.521684
• Title: TTLab at Daleel 2026: STAR-Ar, Sequence Tagging for Argument Recognition in Arabic
• Title（参考訳）: TTLab at Daleel 2026: STAR-Ar, Sequence Tagging for Argument Recognition in Arabic (英語)
• Abstract要約: 本稿では,議論談話の検出と分類のためのBERT-BiLSTM-CRFアーキテクチャである$testttSTAR-Ar$を提案する。 BERT-BiLSTM-CRFアーキテクチャを用いたトークンレベルのシーケンスラベリングタスクとして,これらの2つの目的を共同でモデル化する。 $testttSTAR-Ar$は、検証で72.69、テストデータで73.7のF1スコアを達成する。
• 参考スコア（独自算出の注目度）: 44.304470436110165
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Argument Mining (AM) is a critical NLP task that remains significantly under-resourced in Arabic. This paper presents $\testtt{STAR-Ar}$, a BERT-BiLSTM-CRF architecture for argument discourse detection and classification, as our system for Daleel 2026, the inaugural Arabic argument mining shared task. The task requires the identification and classification of argumentative discourse units (ADUs) in debate and editorial texts.We jointly model these two objectives as a token-level sequence labeling task using a BERT-BiLSTM-CRF architecture that combines contextual transformer embeddings with structural transition constraints to support accurate span detection. $\testtt{STAR-Ar}$ achieves an F1-score of 72.69 on validation and 73.7 on test data. Our domain-specific analysis shows that models trained exclusively on editorials underperform those trained on debates, a disparity we primarily attribute to the smaller size of the editorial dataset. The code for $\testtt{STAR-Ar}$ is available at ${\href{https://github.com/ENTAILab/daleel_2026_Arabic-Argumentative-Discourse-Mining}{\faGithub~TTLab at Daleel 2026}}$
• Abstract（参考訳）: Argument Mining (AM) は重要なNLPタスクであり、アラビア語ではかなり過小評価されている。 本稿では,議論談話の検出と分類を行うBERT-BiLSTM-CRFアーキテクチャである$\testtt{STAR-Ar}$を,最初のアラビア語引数マイニング共有タスクであるDaleel 2026のシステムとして提案する。 本課題は,議論文や編集文における議論的談話単位(ADU)の識別と分類を必要とし,この2つの目的を,コンテキスト変換器の埋め込みと構造遷移制約を結合したBERT-BiLSTM-CRFアーキテクチャを用いて,トークンレベルのシーケンスラベリングタスクとしてモデル化し,正確なスパン検出をサポートする。 $\testtt{STAR-Ar}$は、検証で72.69、テストデータで73.7のF1スコアを達成する。 ドメイン固有の分析では、編集に特化して訓練されたモデルが、議論で訓練されたモデルを過小評価していることが示されています。 $\testtt{STAR-Ar}$のコードは、${\href{https://github.com/ENTAILab/daleel_2026_Arabic-Argumentative-Discourse-Mining}{\faGithub~TTLab at Daleel 2026}}$で入手できる。

関連論文リスト

• DS@GT ARC at CheckThat! 2026: LLM-Based Trace Ranking and Grouped Reward Modeling for Multilingual Numerical Claim Verification [0.0]
  本稿では,大規模言語モデル(LLMs)が生成する推論トレースのランク付けと,英語とアラビア語における数値的主張の最終的な検証について述べる。 最初のアプローチは、LORAを用いたLLMベースの検証器を微調整し、各推論トレースをバイナリ分類問題として独立にスコア付けする。 第2のアプローチでは、手作りの数値と時間重なり合う特徴を持つ軽量IDF報酬モデルを使用してトレースを記録し、判定グループによるスコアを集計して最終的な予測を決定する。
  論文  参考訳（メタデータ） (2026-07-27T20:59:14Z)
• LLM-INSTRUCT at UZH Shared Task 2026: Constraint-Aware Retrieval and Selective Debate for Paragraph-Level Argument Mining [0.7899707459486233]
  本稿では,ArgMining 2026におけるUZH共有タスクの勝利システムであるLLM-INSTRUCTを紹介する。 このタスクには、段落型の分類、141のオフィシャルタグのサブセットの予測、厳密なスキーマ設定による関係予測が必要である。 公式のリーダーボードでは、LDM-INSTRUCTが総合で1位、F1で1位、ALM-as-a-Judgeで5位にランクインした。
  論文  参考訳（メタデータ） (2026-05-10T05:08:59Z)
• Team "better_call_claude": Style Change Detection using a Sequential Sentence Pair Classifier [5.720553544629197]
  PAN 2025では、共有タスクは参加者に対して、最もきめ細かいレベルでスタイルを検出するよう呼びかけている。 本稿では,Sentence Pair Pair (SSPC)アーキテクチャを用いて各インスタンスの内容をモデル化し,この問題に対処することを提案する。 EASY媒体でそれぞれ0.92328、0.724、HARDデータで強いマクロスコアを得る。
  論文  参考訳（メタデータ） (2025-08-01T14:48:17Z)
• 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)
• 1Cademy @ Causal News Corpus 2022: Enhance Causal Span Detection via Beam-Search-based Position Selector [31.170220710119327]
  症例2022における共有タスク3citetan-etal-2022-eventのサブタスク2について, 原因効果信号スパン検出のアプローチを提案する。 本稿では,タスクを読み取り理解(RC)問題としてモデル化し,トークンレベルRCベースのスパン予測パラダイムをベースラインとして適用する。
  論文  参考訳（メタデータ） (2022-10-31T09:09:59Z)
• RuArg-2022: Argument Mining Evaluation [69.87149207721035]
  本稿は、ロシア語テキストを扱う議論分析システムの最初のコンペティションの主催者の報告である。 新型コロナウイルスの感染拡大に伴う3つの話題について、9,550文(ソーシャルメディア投稿記事)のコーパスを用意した。 両タスクで第一位を獲得したシステムは、BERTアーキテクチャのNLI(Natural Language Inference)変種を使用した。
  論文  参考訳（メタデータ） (2022-06-18T17:13:37Z)
• "Sharks are not the threat humans are": Argument Component Segmentation in School Student Essays [3.632177840361928]
  中学生が執筆した議論的エッセイのコーパスから,クレームと前提トークンを識別するためにトークンレベルの分類を適用する。 BERTに基づくマルチタスク学習アーキテクチャ(トークンと文レベルの分類)が、関連する未ラベルデータセット上で適応的に事前訓練され、最良の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-08T02:40:07Z)
• A Study on Efficiency, Accuracy and Document Structure for Answer Sentence Selection [112.0514737686492]
  本稿では,単語関連エンコーダとともに,原語階の内在的構造を活用すれば,競争的な結果が得られることを論じる。 私たちのモデルはWikiQAデータセットでトレーニングするのに9.5秒かかります。
  論文  参考訳（メタデータ） (2020-03-04T22:12:18Z)

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。