2023
bot.zen at LangLearn: regressing towards interpretability
STEMLE, Egon, Martina TEBALDINI, Francesca BONANNI, Filippo PELLEGRINO, Paolo BRASOLIN et. al.Základní údaje
Originální název
bot.zen at LangLearn: regressing towards interpretability
Autoři
STEMLE, Egon (276 Německo, garant, domácí), Martina TEBALDINI (380 Itálie), Francesca BONANNI (380 Itálie), Filippo PELLEGRINO (380 Itálie), Paolo BRASOLIN (380 Itálie), Greta H. FRANZINI (826 Velká Británie a Severní Irsko), Jennifer-Carmen FREY (40 Rakousko), Olga LOPOPOLO (380 Itálie) a Stefania SPINA (380 Itálie)
Vydání
Parma, Proceedings of the Eighth Evaluation Campaign of Natural Language Processing and Speech Tools for Italian, od s. 1-5, 5 s. 2023
Nakladatel
CEUR.org
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Německo
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/23:00133120
Organizační jednotka
Fakulta informatiky
ISSN
Klíčová slova anglicky
system description; langlearn; evalita; shared task; regression; MALT-IT2; bot.zen
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 8. 4. 2024 21:49, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
This article describes the bot.zen system that participated in the Language Learning Development (LangLearn) shared task of the EVALITA 2023 campaign. We developed a simple machine learning system with good interpretability for later use, and used the shared task as an opportunity to provide Master’s students with hands-on training and practical experience in NLP.