論文の概要: U4RASD at KnowledgeGraphEval-2026: Ontology-Constrained Encoder and LLM Systems for Arabic Relation Extraction
- arxiv url: http://arxiv.org/abs/2610.12742v1
- Date: Thu, 08 Oct 2026 21:41:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.287824
- Title: U4RASD at KnowledgeGraphEval-2026: Ontology-Constrained Encoder and LLM Systems for Arabic Relation Extraction
- Title（参考訳）: U4RASD at KnowledgeGraphEval-2026: Ontology-Constrained Encoder and LLM Systems for Arabic Relation extract (英語)
- Abstract要約: 本稿では,アラビア語の有向関係抽出に関するKnowledgeGraphEval 2026 Subtask 2への提案について詳述する。
我々は,エンコーダに基づく大規模言語モデルを用いて,アラビア語文と対象物対から40の関連やno_relationを予測した。
私たちのベストシステムは,Yehia-RE,Qwen-RE,TypedPairのアンサンブルで,マイクロF1スコア94.06を獲得し,Subtask 2で1位となった。
- 参考スコア（独自算出の注目度）: 0.06157382820537719
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper details our submission to KnowledgeGraphEval 2026 Subtask 2 on directed Arabic relation extraction. We explored encoder-based and large language model approaches for predicting one of 40 relations or no_relation from an Arabic sentence and a subject-object pair. Our encoder systems use typed entity markers and separate relation-existence and relation-classification heads, while our LLM systems fine-tune Yehia and Qwen3.5 with QLoRA and ontology-constrained prediction. Our best system, an ensemble of Yehia-RE, Qwen-RE, and TypedPair, achieved a micro-F1 score of 94.06 and ranked 1st in Subtask 2. Yehia-RE (full-vocabulary) achieved 92.98, while the best encoder and Qwen-RE achieved 92.69 and 91.94 respectively. Our results highlight the importance of constrained prediction and complementary modeling approaches for Arabic relation extraction.
- Abstract（参考訳）: 本稿では,アラビア語の有向関係抽出に関するKnowledgeGraphEval 2026 Subtask 2への提案について詳述する。
我々は,エンコーダに基づく大規模言語モデルを用いて,アラビア語文と対象物対から40の関連やno_relationを予測した。
我々のエンコーダシステムは型付きエンティティマーカーと別個の関係存在と関係分類ヘッドを使用し、LLMシステムはQLoRAとオントロジー制約付き予測を備えた細管YehiaとQwen3.5を使用する。
私たちのベストシステムは,Yehia-RE,Qwen-RE,TypedPairのアンサンブルで,マイクロF1スコア94.06を獲得し,Subtask 2で1位となった。
Yehia-REは92.98、Qwen-REは92.69、Qwen-REは91.94である。
本研究は,アラビア関係抽出における制約付き予測と相補的モデリング手法の重要性を強調した。
関連論文リスト
- 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) - Jais 2: A Family of Arabic-Centric Open Large Language Models [63.04528207880757]
Jais 2は、MBzuAI、Cerebras、Inceptionと共同で開発されたアラビア語中心の大規模言語モデルのファミリーである。
Jais 2は、このレポートで考慮されたベンチマークと競合する英語の結果に対して、強いアラビアのパフォーマンスを達成する。
We release the model in HuggingFace under a commercially permissive license。
論文 参考訳（メタデータ） (2026-07-07T13:54:49Z) - Grounding Arabic LLMs in the Doha Historical Dictionary: Retrieval-Augmented Understanding of Quran and Hadith [0.0]
ダイアクロニック・レキソグラフィーの知識を基盤とした検索強化型生成フレームワークを開発した。
汎用コーパスに依存する従来のRAGシステムとは異なり、我々の手法はドハ歴史辞典から証拠を回収する。
論文 参考訳（メタデータ） (2026-03-25T06:09:42Z) - ELYADATA & LIA at NADI 2025: ASR and ADI Subtasks [10.679081563761793]
本稿では,Elyadata & LIAによるNADI多言語アラビア語音声処理2025への共同提出について述べる。
ADIサブタスクでは1位,ASRサブタスクでは2位にランクインした。
論文 参考訳（メタデータ） (2025-11-13T08:44:39Z) - 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) - CVPD at QIAS 2025 Shared Task: An Efficient Encoder-Based Approach for Islamic Inheritance Reasoning [6.5255476646093316]
イスラーム継承法(Ilm al-Mawarith)は、相続人の正確な識別と株式の計算を必要とする。
本稿では,アラビア文字エンコーダとアテンテーティブ・レバレンス・スコーリング(ARS)を用いた継承問題解決フレームワークを提案する。
このシステムは、意味的関連性に応じて回答オプションをランク付けし、生成的推論なしで高速でデバイス上の推論を可能にする。
論文 参考訳（メタデータ） (2025-08-30T11:03:54Z) - 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) - 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) - Text Classification via Large Language Models [63.1874290788797]
テキスト分類に関わる複雑な言語現象に対処するために、Clue And Reasoning Prompting (CARP)を導入する。
注目すべきは、CARPが5つの広く使用されているテキスト分類ベンチマークのうち4つで新しいSOTAパフォーマンスを得ることだ。
さらに重要なのは、CARPが低リソースとドメイン適応のセットアップで素晴らしい能力を提供します。
論文 参考訳（メタデータ） (2023-05-15T06:24:45Z) - Combining Context-Free and Contextualized Representations for Arabic
Sarcasm Detection and Sentiment Identification [0.0]
本論文では,SPPU-AASM チームによる WANLP ArSarcasm shared-task 2021 の提出を示唆する。
提案方式は, 皮肉および感情検出タスクに対して, F1-sarcastic score の 0.62 と F-PN score の 0.715 をそれぞれ達成する。
論文 参考訳（メタデータ） (2021-03-09T19:39:43Z)
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。