一种基于 transformer 的对抗 COVID-19 假新闻方法
计算与语言
2021-01-29 v1
摘要
COVID-19 的迅速爆发使人类陷入停滞，并带来大量其他问题。COVID-19 是历史上第一次人类技术最先进且严重依赖社交媒体平台进行联络及其他益处的大流行。不幸的是，关于该病毒的假新闻和错误信息也在流传并造成一些重大问题。因此，对抗这一信息流行病已成为一项重大挑战。我们在本工作中提出针对“Constraint@AAAI2021 - COVID19 Fake News Detection in English”挑战赛的解决方案。在对众多架构和技术进行广泛实验后，我们使用八个不同的基于 transformer 的预训练模型并添加额外层来构建堆叠集成分类器，并为其目的进行了微调。我们在竞赛的测试数据集上取得了 0.979906542 准确率、0.979913119 精确率、0.979906542 召回率和 0.979907901 F1 分数。
引用
@article{arxiv.2101.12027,
title = {A transformer based approach for fighting COVID-19 fake news},
author = {S. M. Sadiq-Ur-Rahman Shifath and Mohammad Faiyaz Khan and Md. Saiful Islam},
journal= {arXiv preprint arXiv:2101.12027},
year = {2021}
}