論文の概要: REGLAT at ArGuard Shared Tasks: An Ensemble-Based Model Integrating NER for Harmful Content Detection in Arabic
- arxiv url: http://arxiv.org/abs/2610.37265v1
- Date: Tue, 27 Oct 2026 13:59:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.648839
- Title: REGLAT at ArGuard Shared Tasks: An Ensemble-Based Model Integrating NER for Harmful Content Detection in Arabic
- Title（参考訳）: REGLAT at ArGuard Shared Tasks: An Ensemble-based Model Integrating NER for Harmful Content Detection in Arabic (英語)
- Abstract要約: 本稿では,アラビア語のユーザプロンプトを有害コンテンツの7つのカテゴリに分類するための2段階的アプローチを提案する。
まず、GLiNERは各プロンプトから害に関連するエンティティを抽出するために使用される。
抽出されたエンティティは元のテキストに追加され、最終分類のために微調整されたMARBERT分類器に渡される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting harmful content in Arabic is challenging because of dialectal variations and the semantic overlap between different harm categories. This paper presents a two-stage approach for classifying Arabic user prompts into seven categories of harmful content. First, GLiNER is used to extract harm-related entities from each prompt. The extracted entities are then added to the original text and passed to a fine-tuned MARBERT classifier for final classification. The approach combines explicit entity information with the contextual understanding of a pretrained Arabic language model. The system was evaluated on the development set of the ArGuard 2026 shared task. The results achieved a macro-F1 score of 0.886 and an accuracy of 0.897, demonstrating promising performance in fine-grained harmful content detection. The system reported an accuracy of 0.793 and Macro-F score of 0.735 on a blind test set for subtask 1. For subtask 2, it achieved an accuracy of 0.770 and Macro-F score of 0.754. The analysis also showed that distinguishing between related categories remains challenging. These findings suggest that integrating NER with Arabic language models is a promising approach to harmful content detection.
- Abstract（参考訳）: アラビア語の有害な内容を検出することは、方言のバリエーションと異なる有害カテゴリー間の意味的重複のために困難である。
本稿では,アラビア語のユーザプロンプトを有害コンテンツの7つのカテゴリに分類するための2段階的アプローチを提案する。
まず、GLiNERは各プロンプトから害に関連するエンティティを抽出するために使用される。
抽出されたエンティティは元のテキストに追加され、最終分類のために微調整されたMARBERT分類器に渡される。
このアプローチは、明示的な実体情報と事前訓練されたアラビア語モデルの文脈的理解を組み合わせる。
このシステムはArGuard 2026共有タスクの開発セットで評価された。
その結果, マクロF1のスコアは0.886, 精度は0.897となり, きめ細かい有害なコンテンツ検出において有望な性能を示した。
このシステムは、サブタスク1のブラインドテストセットで0.793とマクロFスコア0.735の精度を報告した。
サブタスク2では精度0.770、マクロFスコア0.754を達成した。
分析の結果、関連するカテゴリの区別は依然として困難であることが判明した。
これらの結果から,NERとアラビア語モデルの統合は有害なコンテンツ検出に有望なアプローチであることが示唆された。
関連論文リスト
- Decomposing and Predicting Annotation Disagreement in Harmful Content Across Languages [48.69228180369574]
アノテーションの不一致は、主観的なタスクの有意義な性質として、ますます認識されている。
テキストの解釈可能な意味特性から不一致を予測することを提案する。
モデルとデータセット全体、デロゲーションに関する質問、コンテキストの欠如、決定境界が最強の予測要因として機能する。
論文 参考訳（メタデータ） (2026-10-13T15:49:44Z) - World Requirement Model: Learning Requirement-Change Consequences from Typed Artifact Graphs [31.60344882359958]
我々は、このエンジニアリングコンテキストを型付きアーティファクトグラフとしてエンコードし、共有アーティファクト識別子における結果を予測する世界要求モデル(WRM)を提案する。
WRMは、ハッシュテキスト多層パーセプトロンに対して0.724対0.623の衝撃平均精度(MAP)を得る。
WRMは、アーティファクトに適応した世界モデルの定式化、文脈的結果のスコアリングの比較証拠、および要求世界予測を評価するための明示的な条件に貢献している。
論文 参考訳（メタデータ） (2026-10-03T11:16:57Z) - Retrieving Biblical Intertextual References in Karen Blixen's Seven Gothic Tales [47.55635861975207]
我々は、189の注釈付き参照のベンチマークを構築し、デンマークの古約聖書と新約聖書の翻訳の31,170節すべてに対する検索を評価した。
TF-IDFとBM25を多言語およびデンマーク語文エンコーダと比較した。
微調整のDFM-largeは、全体的なR@10を0.265から0.508に引き上げ、アロジションのパフォーマンスを2倍以上に向上させる。
論文 参考訳（メタデータ） (2026-09-28T17:59:27Z) - TTLab at AlexandriaX-2026: A Fine-Tuned Surface Tagger for Arabic Machine-Translation Error-Span Detection and Classification [44.304470436110165]
我々は、アラビア語 MT エラースパンの検出と分類に関する TTLab の AlexandriaX-2026 Subtask3 への提出について述べる。
我々のシステムは、そのタスクを表面形状上のトークンレベルの分類として表している。
重度ラベルの不均衡に対処するために、クラス重み付けと方言固有の復号しきい値を用いた焦点損失を用いる。
論文 参考訳（メタデータ） (2026-09-24T12:37:06Z) - AraGenre 2026: A Hierarchical Definition-Guided Arabic Genre Classification Shared Task [5.052793064265138]
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。
論文 参考訳（メタデータ） (2026-09-23T05:39:45Z) - SinoGlyphBench: A Diagnostic Benchmark for Chinese Glyph-Level Obfuscation in Language-Model Moderation [25.91174070621304]
グリフレベルの難読化は、自動化モデレーションを低下させながら、人間に有害な中国コンテンツを読み取ることができる。
SinoGlyphBenchは、ラベルクリティカルなセマンティックアンカーを特定し、マッチしたオリジナルおよびグリフ難読入力を生成する診断ベンチマークである。
論文 参考訳（メタデータ） (2026-09-05T03:15:49Z) - ArabicDialectSafety: A Dialect-Aware Benchmark for Arabic Content Safety Classification [1.4665143197624044]
そこで本研究では,6種類のアラビア種を対象とする人為的アラビア安全データセット25,071件について紹介する。
データセットには、方言ラベルと7つのきめ細かい調和カテゴリが注釈付けされている。
教師付きおよび生成モデル7つをベンチマークした結果、微調整されたMARBERTv2が最も高い性能が得られることがわかった。
論文 参考訳（メタデータ） (2026-08-02T15:00:58Z) - Comparing BERT Sentence-Pair Classification and Few-Shot LLM Prompting for Detecting Threat and Solution Framing in German Climate News [1.4465033892011254]
我々は,ドイツ語の気候ニュース記事から文を脅威指向,解決指向,両方,あるいは両方に分類する2つのアプローチを提案する。
第一のアプローチは、オープンウェイトな大規模言語モデル(Llama 4 Maverick)で、連鎖推論と信頼度スコアによる構造化アウトプットを採用した、数発のプロンプトを使用する。
第二のアプローチは、文ペア分類のためのドイツのBERTモデル(deepset/gbert-large)を微調整する。
論文 参考訳（メタデータ） (2026-06-25T00:48:40Z) - Ta'keed: The First Generative Fact-Checking System for Arabic Claims [0.0]
本稿では,アラビア語の自動ファクトチェックシステムであるTa'keedを紹介する。
タケドは、特にアラビア語で、主張の信頼性に関する説明を生成する。
このシステムは、分類タスクで有望なF1スコア0.72を達成した。
論文 参考訳（メタデータ） (2024-01-25T10:43:00Z) - Enabling Classifiers to Make Judgements Explicitly Aligned with Human
Values [73.82043713141142]
性差別/人種差別の検出や毒性検出などの多くのNLP分類タスクは、人間の値に基づいている。
本稿では,コマンド内で明示的に記述された人間の値に基づいて予測を行う,値整合型分類のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-14T09:10:49Z) - Automatic Difficulty Classification of Arabic Sentences [0.0]
3方向cefr分類の精度はアラビア語-bert分類では0.80, xlm-r分類では0.75, 回帰では0.71スピアマン相関である。
我々は,異なる種類の文埋め込み(fastText, mBERT, XLM-R, Arabic-BERT)とPOSタグ, 依存性木, 可読性スコア, 言語学習者の頻度リストなど,従来の言語機能との比較を行った。
論文 参考訳（メタデータ） (2021-03-07T16:02:04Z)
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。