要約
ACM KDF-SIGIR 2023 コンペティションの文脈で、私たちは REFind と呼ばれる金融エンティティ関係のデータセットに対するエンティティ関係タスクに取り組みました。
当社の最高のパフォーマンスを誇るソリューションには、複数のステップからなるアプローチが含まれていました。
最初に、提供されたエンティティをテキスト内の対応する位置に挿入しました。
続いて、ラベル付きトレーニング セットを利用してエンティティ関係を予測することにより、トランスフォーマー ベースの言語モデル roberta-large をテキスト分類用に微調整しました。
最後に、モデルによって生成されたありそうもない予測を特定して処理するための後処理フェーズを実装しました。
私たちの方法論の結果、私たちはコンテストの公開リーダーボードでランキング 1 位を獲得しました。
要約(オリジナル)
In the context of the ACM KDF-SIGIR 2023 competition, we undertook an entity relation task on a dataset of financial entity relations called REFind. Our top-performing solution involved a multi-step approach. Initially, we inserted the provided entities at their corresponding locations within the text. Subsequently, we fine-tuned the transformer-based language model roberta-large for text classification by utilizing a labeled training set to predict the entity relations. Lastly, we implemented a post-processing phase to identify and handle improbable predictions generated by the model. As a result of our methodology, we achieved the 1st place ranking on the competition’s public leaderboard.
arxiv情報
| 著者 | Stefan Pasch,Dimitrios Petridis |
| 発行日 | 2023-08-08 18:56:52+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google