D 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.