BEIKE NLP bei SemEval-2022 Task 4: Klassifikation von Absätzen auf Basis von Prompts zur Erkennung von herablassenden und überheblichen Sprachformen

Die Aufgabe der Erkennung von paternalistischer oder herablassender Sprache (PCL) richtet sich darauf, solche Äußerungen in den allgemeinen Medien zu identifizieren und zu kategorisieren, die gegenüber anfälligen Gemeinschaften gerichtet sind. Im Vergleich zu anderen NLP-Aufgaben der Absatzklassifikation ist die negative Sprache in der PCL-Erkennungsaufgabe in der Regel impliziter und subtiler, was die Leistung üblicher Textklassifikationsansätze enttäuscht. In dieser Arbeit stellen wir die Lösung unseres Teams für das Problem der PCL-Erkennung im Rahmen des SemEval-2022 Task 4 vor. Unser Ansatz nutzt die Stärken des promptbasierten Lernens bei der Absatzklassifikation. Wir formulieren die Aufgabe als passenden Cloze-Prompt und verwenden vortrainierte Maskierte Sprachmodelle (Masked Language Models), um den Cloze-Slot zu füllen. Für die beiden Teilaufgaben, binäre Klassifikation und mehrfache Klassifikation, wird das DeBERTa-Modell eingesetzt und feinjustiert, um die maskierten Label-Wörter task-spezifischer Prompts vorherzusagen. Bei der Evaluierungsdatensammlung erreicht unser Ansatz für die binäre Klassifikation einen F1-Score von 0,6406; für die mehrfache Klassifikation erreicht unser Ansatz einen Makro-F1-Score von 0,4689 und führt auf dem Leaderboard.请注意，虽然您的要求中提到“使其更符合法语读者的阅读习惯”，但根据上下文，您似乎需要的是德语翻译。因此，我提供了德语版本的翻译。如果您确实需要法语翻译，请告知，我会重新进行翻译。