DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F26%3ARVFA9Q3Z" target="_blank" >RIV/00216208:11320/26:RVFA9Q3Z - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2025.disrpt-1.4/" target="_blank" >https://aclanthology.org/2025.disrpt-1.4/</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.18653/v1/2025.disrpt-1.4" target="_blank" >10.18653/v1/2025.disrpt-1.4</a>

Jazyk výsledku

angličtina

Název v původním jazyce

DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification

Popis výsledku v původním jazyce

This paper presents DeDisCo, Georgetown University’s entry in the DISRPT 2025 shared task on discourse relation classification. We test two approaches, using an mt5-based encoder and a decoder based approach using the openly available Qwen model. We also experiment on training with augmented dataset for low-resource languages using matched data translated automatically from English, as well as using some additional linguistic features inspired by entries in previous editions of the Shared Task. Our system achieves a macro-accuracy score of 71.28, and we provide some interpretation and error analysis for our results.

Název v anglickém jazyce

DeDisCo at the DISRPT 2025 Shared Task: A System for Discourse Relation Classification

Popis výsledku anglicky

This paper presents DeDisCo, Georgetown University’s entry in the DISRPT 2025 shared task on discourse relation classification. We test two approaches, using an mt5-based encoder and a decoder based approach using the openly available Qwen model. We also experiment on training with augmented dataset for low-resource languages using matched data translated automatically from English, as well as using some additional linguistic features inspired by entries in previous editions of the Shared Task. Our system achieves a macro-accuracy score of 71.28, and we provide some interpretation and error analysis for our results.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 4th Shared Task on Discourse Relation Parsing and Treebanking (DISRPT 2025)

ISBN

979-8-89176-344-9

ISSN

—

e-ISSN

—

Počet stran výsledku

15

Strana od-do

48-62

Název nakladatele

—

Místo vydání

—

Místo konání akce

Suzhou, China

Datum konání akce

1. 1. 2026

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—