Stanford Mlab في مهمة Semeval-2021 1: النمذجة القائمة على الأشجار من التعقيد المعجمي باستخدام Word Embeddings

تقدم هذه الورقة نظامنا لمهام تنبؤ التعقيد المعجمية الواحدة والمتعددية لمهمة Semeval 1: تنبؤ التعقيد المعجمي.يعتمد فهم النص على قدرة القارئ على فهم الكلمات الموجودة فيها؛يمكن لتقييم التعقيد المعجمي لهذه النصوص يمكن أن تمكن القراء من العثور على نص وأنظمة مناسبة لتكييف نص لاحتياجات الجمهور.نقدم خط أنابيبنا النموذجي، وهو ما ينطبق على مجموعة من الميزات القائمة على التضمين والتنبؤ بالتعقيد المعجمي على مجموعة بيانات اللغة الإنجليزية المعقدة باستخدام العديد من النماذج القائمة على الأشجار والخطية.تم تصنيف طريقتنا 27/54 على التنبؤ بكلمة واحدة و 14/37 على التنبؤ متعدد الكلمات.

This paper presents our system for the single- and multi-word lexical complexity prediction tasks of SemEval Task 1: Lexical Complexity Prediction. Text comprehension depends on the reader's ability to understand the words present in it; evaluating the lexical complexity of such texts can enable readers to find an appropriate text and systems to tailor a text to an audience's needs. We present our model pipeline, which applies a combination of embedding-based and manual features to predict lexical complexity on the CompLex English dataset using various tree-based and linear models. Our method is ranked 27 / 54 on single-word prediction and 14 / 37 on multi-word prediction.