arXiv 自然语言处理· Roham Zendehdel Nobari, Shayan Sooratgar·· 4 小时前AI 评分26
Shrome 在 Touché 评测提出面向因果抽取的软投票集成与反因果增强方法
Shrome at Touch\'e: Soft-Vote Ensembling and Counter-Causal Augmentation for Causality Extraction
AI 导读
Shrome 系统在 Touché 评测的 CCNC 数据集上针对因果检测、抽取与极性分类分别建模，并在因果抽取评估中取得 0.728 分位列所有参赛方案第一。该方案集成 3 个 RoBERTa-large 模型的 token 级软投票进行抽取，并借助大语言模型基于 9 种模式生成反因果数据增强极性训练。系统在检测和极性分类任务中分别取得 F1 0.869 和 macro-F1 0.817。
来源：arXiv 自然语言处理 · arxiv.org