Nullpointer 在 ArAIEval 共享任务中：基于序列标注中词元到单词映射的阿拉伯语宣传手法检测
Nullpointer at ArAIEval Shared Task: Arabic Propagandist Technique Detection with Token-to-Word Mapping in Sequence Tagging
AI总结：
本文针对 ArAIEval 共享任务 1 的阿拉伯语宣传手法检测，提出基于 AraBERT v2 微调和词元到单词映射的序列标注方法，并结合体裁特征，最终在排行榜上取得第 4 名。
摘要：
本文研究了 ArAIEval 共享任务 1 中阿拉伯语文本（包括推文和新闻段落）宣传手法检测的优化问题。我们的方法涉及微调 AraBERT v2 模型，并使用神经网络分类器进行序列标注。实验结果表明，依赖单词的第一个词元进行手法预测可获得最佳性能。此外，引入体裁信息作为特征进一步提升了模型性能。我们的系统取得了 25.41 分，在排行榜上位列第 4 名。后续提交后的改进进一步将我们的分数提高到 26.68。
英文摘要：
This paper investigates the optimization of propaganda technique detection in Arabic text, including tweets \& news paragraphs, from ArAIEval shared task 1. Our approach involves fine-tuning the AraBERT v2 model with a neural network classifier for sequence tagging. Experimental results show relying on the first token of the word for technique prediction produces the best performance. In addition, incorporating genre information as a feature further enhances the model's performance. Our system achieved a score of 25.41, placing us 4$^{th}$ on the leaderboard. Subsequent post-submission improvements further raised our score to 26.68.
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。
