要約
この論文では、文ペアの関連性を予測することを目的とした、SemEval-2024 タスク 1 用のシステムを紹介します。
意味的関連性は単なる文の類似性を超えたより広い概念であるという仮説に基づいて、私たちのアプローチは関連性の推定に役立つ特徴を特定しようとします。
当社では、統計的なテキスト特徴や関連性スコアを予測するための深層学習モデルの出力など、さまざまなシステムを統合するアンサンブル アプローチを採用しています。
この調査結果は、意味的関連性がさまざまなソースから推測できること、およびアンサンブル モデルが意味的関連性の推定において多くの個別システムよりも優れていることを示唆しています。
要約(オリジナル)
The paper introduces our system for SemEval-2024 Task 1, which aims to predict the relatedness of sentence pairs. Operating under the hypothesis that semantic relatedness is a broader concept that extends beyond mere similarity of sentences, our approach seeks to identify useful features for relatedness estimation. We employ an ensemble approach integrating various systems, including statistical textual features and outputs of deep learning models to predict relatedness scores. The findings suggest that semantic relatedness can be inferred from various sources and ensemble models outperform many individual systems in estimating semantic relatedness.
arxiv情報
| 著者 | Leixin Zhang,Çağrı Çöltekin |
| 発行日 | 2024-10-14 14:56:51+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google