PulseAugur
中
实时 15:25:39
English(EN) UOL@IDEM at BEA 2026 Shared Task 1: Neural Fusion and Feature-Rich Modeling for L1-Aware Vocabulary Difficulty Prediction

UOL@IDEM 详细介绍用于BEA 2026任务的L1感知词汇难度预测

作者 PulseAugur 编辑部 · [2 个来源] ·

来自UOL@IDEM的研究人员详细介绍了他们为BEA 2026共享任务提交的关于L1感知词汇难度预测的方法。他们将该任务建模为一个回归问题，为西班牙语、德语和中文分别训练了独立的系统。该系统整合了多语言上下文表示和工程特征，在西班牙语上取得了1.132的RMSE得分，在德语上取得了1.037的RMSE得分，在中文上取得了0.891的RMSE得分。 AI

影响 这项研究有助于更好地理解和建模不同语言的词汇难度，可能有助于语言学习工具和教育内容创作。

排序理由 该集群包含一篇详细介绍共享任务提交的研究论文。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

UOL@IDEM 详细介绍用于BEA 2026任务的L1感知词汇难度预测

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Nouran Khallaf, Serge Sharoff ·

    UOL@IDEM 在 BEA 2026 共享任务 1：用于 L1 感知词汇难度预测的神经融合与富特征建模

    arXiv:2606.24501v1 Announce Type: new Abstract: This paper describes UOL@IDEM's closed-track submission to the BEA 2026 shared task on L1-aware vocabulary difficulty prediction. We model the task as regression and train separate systems for Spanish, German, and Mandarin Chinese\f…

  2. arXiv cs.CL TIER_1 English(EN) · Serge Sharoff ·

    UOL@IDEM 在 BEA 2026 共享任务 1：用于 L1 感知词汇难度预测的神经融合与富特征建模

    This paper describes UOL@IDEM's closed-track submission to the BEA 2026 shared task on L1-aware vocabulary difficulty prediction. We model the task as regression and train separate systems for Spanish, German, and Mandarin Chinese\footnote{Below we use \emph{Chinese} for brevity.…

相关实体

相关话题