Abstract
"CCL25-Eval任务6提出了一个段落级、多层次,细粒度中小学修辞识别与理解任务。针对修辞分类任务的特点,本文构建了一种以数据增强为核心、结合高效监督微调的多策略融合框架,并融合语句层面修辞识别与段落句间关系建模及识别,以全面提升模型的修辞理解能力。针对修辞成分抽取任务的特点,本文采用先进行修辞类别判定,后在该基础上进行修辞相关实体识别的两阶段处理策略,有效提升了整体识别精度。结果表明,本文所提出的方法能够有效对修辞进行识别和抽取,三个赛道上的分数分别达到了43.47、51.71、38.27,总成绩位列第二。"
- Anthology ID:
- 2025.ccl-2.28
- Volume:
- Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
- Month:
- August
- Year:
- 2025
- Address:
- Jinan, China
- Editors:
- Hongfei Lin, Bin Li, Hongye Tan
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 233–243
- Language:
- URL:
- https://aclanthology.org/2025.ccl-2.28/
- DOI:
- Bibkey:
- Cite (ACL):
- Xuquan Zong, Jiyuan An, Xiang Fu, Luming Lu, Haonan Zhu, Liner Yang, and Erhong Yang. 2025. CCL25-Eval 任务6系统报告:基于数据增强及大小模型协同的中小学作文修辞识别. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 233–243, Jinan, China. Chinese Information Processing Society of China.
- Cite (Informal):
- CCL25-Eval 任务6系统报告:基于数据增强及大小模型协同的中小学作文修辞识别 (Zong et al., CCL 2025)
- Copy Citation:
- PDF:
- https://aclanthology.org/2025.ccl-2.28.pdf