AraGenre 2026：一种层次化、定义引导的阿拉伯语体裁分类共享任务
AraGenre 2026: A Hierarchical Definition-Guided Arabic Genre Classification Shared Task
- VinUniversity（温大）
- Lancaster University（兰卡斯特大学）
- King Fahd University of Petroleum and Minerals（法赫德国王石油与矿产大学）
- Onaizah Colleges（欧奈宰学院）
- University College of Applied Sciences（应用科学大学学院）
- Hamad Bin Khalifa University（哈马德·本·哈利法大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
AraGenre 2026是一项层次化、定义引导的阿拉伯语体裁分类共享任务，通过零样本标签泛化设置，系统需推断74种未见体裁的语义，最终Thakaa以0.7352的层次化宏F1夺冠，但细粒度分类在语言和领域变化下仍有显著差距。
AI中文摘要：
AraGenre是一项关于层次化、定义引导的阿拉伯语体裁分类的共享任务，其动机是阿拉伯语和其他低资源语言中标注数据的有限可用性。系统需为每个阿拉伯语文本片段分配一个广泛的交际体裁和一个细粒度的具体体裁。发布的训练集和开发集包含有限的、主要是合成和受控的示例，而隐藏的最终基准则包含更嘈杂的自然文本，涵盖现代标准阿拉伯语、古典阿拉伯语和多种方言。参与者获得了74种先前未见的具体体裁的自然语言定义，从而创建了一个零样本标签泛化设置，在该设置中，系统必须推断类别语义，而不是记忆固定的标签-特征关联。该任务吸引了46个注册和373次提交，其中17个团队完成了最终评估。Thakaa以0.7352的层次化宏F1值排名第一，其次是HoangPhong（HP）的0.7169和NAMAA的0.7013。结果表明，在语言和领域变化下，广泛的体裁识别表现强劲，但细粒度分类存在显著差距。
英文摘要：
AraGenre is a shared task on hierarchical, definition-guided Arabic genre classification, motivated by the limited availability of annotated data in Arabic and other low-resource languages. Systems assign each Arabic text segment both a broad communicative genre and a fine-grained specific genre. The released training and development sets contain limited, primarily synthetic and controlled examples, whereas the hidden final benchmark contains noisier naturally occurring text spanning Modern Standard Arabic, Classical Arabic, and multiple dialects. Participants received natural-language definitions for 74 previously unseen specific genres, creating a zero-shot label generalisation setting in which systems had to infer class semantics rather than memorise fixed label-feature associations. The task attracted 46 registrations and 373 submissions, with 17 teams completing the final evaluation. Thakaa ranked first with a Hierarchical Macro F1 of 0.7352, followed by HoangPhong (HP) with 0.7169 and NAMAA with 0.7013. The results show strong broad-genre recognition but a substantial gap in fine-grained classification under linguistic and domain variation.
