dzFinNlp at AraFinNLP: Improving Intent Detection in Financial Conversational Agents

要約

このペーパーでは、AraFinNLP 共有タスクの一部として、金融会話エージェントにおける意図検出に対する dzFinNlp チームの貢献を紹介します。
私たちは、TF-IDF を使用した LinearSVC などの従来の機械学習手法や、Long Short-Term Memory (LSTM) などの深層学習モデルを含む、さまざまなモデルと機能構成を実験しました。
さらに、このタスクにトランスベースのモデルを使用することも検討しました。
私たちの実験では有望な結果が示されており、最良のモデルは開発セットとテストセットでそれぞれ ArBanking77 データセットで 93.02% と 67.21% のマイクロ F1 スコアを達成しました。

要約(オリジナル)

In this paper, we present our dzFinNlp team’s contribution for intent detection in financial conversational agents, as part of the AraFinNLP shared task. We experimented with various models and feature configurations, including traditional machine learning methods like LinearSVC with TF-IDF, as well as deep learning models like Long Short-Term Memory (LSTM). Additionally, we explored the use of transformer-based models for this task. Our experiments show promising results, with our best model achieving a micro F1-score of 93.02% and 67.21% on the ArBanking77 dataset, in the development and test sets, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google