تهدف مهمة Sereval 4 إلى إيجاد خيار مناسب من المرشحين المتعددين لحل مهمة فهم القراءة في الجهاز.تقترح معظم الأساليب الموجودة على Concat السؤال والخيار معا لتشكيل نموذج على دراية بالسياق.ومع ذلك، نقول أن التسلسلات المباشرة يمكن أن توفر فقط سياقا محظوظا
فقط لمهمة MRC، مما يتجاهل المواقف المحددة للخيار بالنسبة للسؤال.في هذه الورقة، نقترح نموذج رواية MRC عن طريق تعبئة الخيارات في السؤال لإنتاج سياق جيد المحبوس (يعرف بأنه ملخص) يمكن أن تكشف بشكل أفضل عن العلاقة بين الخيار والسؤال.نقوم بإجراء سلسلة من التجارب على مجموعة البيانات المعينة، وتظهرت النتائج أن نهجنا يفوق النظرات الأخرى النظراء إلى حد كبير.
في السنوات الأخيرة، أدى الاستخدام الواسع للوسائط الاجتماعية إلى زيادة في جيل من المحتوى السام والهجومي على المنصات عبر الإنترنت. استجابة، عملت منصات وسائل التواصل الاجتماعي على تطوير أساليب الكشف التلقائي وتوظيف المشرفين البشري للتعامل مع هذا الطوفان
من المحتوى الهجومي. في حين تم تطبيق العديد من النماذج الإحصائية للحدث من بين الفنون للكشف عن الوظائف السامة، لا توجد سوى عدد قليل من الدراسات التي تركز على الكشف عن الكلمات أو التعبيرات التي تشكل هجوما بعد. هذا يحفز تنظيم مهمة Semeval-2021 5: مسابقة الكشف عن المسافات السامة، التي قدمت المشاركين مع مجموعة بيانات تحتوي على شرح سام يمتد في المشاركات الإنكليزية. في هذه الورقة، نقدم دخول WLV-RIT لمهمة Semeval-2021 5. يحقق نموذجنا الأفضل أداء محول العصبي 0.68 F1 درجة. علاوة على ذلك، نقوم بتطوير إطار مفتوح المصدر للكشف المتعدد اللغات عن الممثل الهجومي، أي القنص، بناء على المحولات العصبية التي تكتشف تمديد السام في النصوص.
