UOL@IDEM at BEA 2026 Shared Task 1: Neural Fusion and Feature-Rich Modeling for L1-Aware Vocabulary Difficulty Prediction
BEA 2026 공유 과제의 L1(모국어) 인식 영어 어휘 난이도 예측을 회귀(regression)로 모델링하고, 다국어 문맥 표현과 빈도·형태·검색·의미·동원어·마스크 언어 모델 예측 가능성 등 설계 특징(feature)을 신경 융합(neural fusion)으로 결합해 스페인어·독일어·중국어 각각에 대해 공식 closed-track 베이스라인보다 RMSE 1.132·1.037·0.891을 기록했다. 문장 임베딩(sentence-embedding) 인코더인 BGE-M3·multilingual E5·LaBSE가 가장 효과적이었고, 빈도가 가장 안정적인 예측 변수이며 의미·동원어·검색·문맥 예측 가능성 특징이 L1 민감 신호를 보완했다.