OPI 在 SemEval 2023 任务 9：一种简单但有效的多语言推文亲密性分析方法
OPI at SemEval 2023 Task 9: A Simple But Effective Approach to Multilingual Tweet Intimacy Analysis
AI总结：
本文提出一种结合领域内预训练与回归模型集成生成伪标签的简单方法，用于 SemEval 2023 多语言推文亲密性分析任务，在十种语言中五种子任务排名第一，并取得最高平均分。
摘要：
本文描述了我们在 SemEval 2023 多语言推文亲密性分析共享任务中提交的系统。该任务的目标是评估十种语言的 Twitter 帖子的亲密程度。所提出的方法包含几个步骤。首先，我们进行领域内预训练，以创建一个适应 Twitter 数据的语言模型。在下一步中，我们训练一个回归模型集成，用伪标签示例扩充训练集。扩展后的数据集用于训练最终解决方案。我们的方法在十个语言子任务中的五个中排名第一，并在所有语言中获得了最高的平均分数。
英文摘要：
This paper describes our submission to the SemEval 2023 multilingual tweet intimacy analysis shared task. The goal of the task was to assess the level of intimacy of Twitter posts in ten languages. The proposed approach consists of several steps. First, we perform in-domain pre-training to create a language model adapted to Twitter data. In the next step, we train an ensemble of regression models to expand the training set with pseudo-labeled examples. The extended dataset is used to train the final solution. Our method was ranked first in five out of ten language subtasks, obtaining the highest average score across all languages.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
