arXiv cs.CL· Ahmed M. Fetouh, Mariam Labib, Nsrin Ashraf, Omer Dawood, Hamada Nayel·· 13 小时前AI 评分22
REGLAT 在 ArGuard 共享任务：融合 NER 的集成模型用于阿拉伯语有害内容检测
REGLAT at ArGuard Shared Tasks: An Ensemble-Based Model Integrating NER for Harmful Content Detection in Arabic
AI 导读
REGLAT 团队提出两阶段方法，先用 GLiNER 抽取提示词中的有害实体并拼回原文，再交由微调的 MARBERT 分类器将阿拉伯语用户提示词分为七类有害内容。
正文 · AI 翻译
摘要：由于方言差异以及不同危害类别之间的语义重叠，检测阿拉伯语中的有害内容具有挑战性。本文提出了一种两阶段方法，将阿拉伯语用户提示分类为七类有害内容。首先，使用 GLiNER 从每个提示中提取与危害相关的实体。随后，将提取出的实体添加到原始文本中，并输入到经过微调的 MARBERT 分类器中进行最终分类。该方法将显式实体信息与预训练阿拉伯语语言模型的上下文理解相结合。该系统在 ArGuard 2026 共享任务的开发集上进行了评估。结果取得了 0.886 的宏 F1 分数和 0.897 的准确率，在细粒度有害内容检测中展现出良好的性能。在子任务 1 的盲测集上，该系统报告的准确率为 0.793，宏 F 分数为 0.735。对于子任务 2，其准确率为 0.770，宏 F 分数为 0.754。分析还表明，区分相关类别仍然具有挑战性。这些发现表明，将 NER 与阿拉伯语语言模型相结合是一种有前景的有害内容检测方法。
| 评论： | ArGuard 共享任务 2026 的 REGLAT 提交系统描述论文 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.37265 [cs.CL] |
| （或 arXiv:2610.37265v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37265 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hamada Nayel [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 13:59:11 UTC（1,917 KB）
来源：arXiv cs.CL · arxiv.org