英印混合代码语料库：立场标注与基线系统
计算与语言
2018-05-31 v1
摘要
社交媒体已成为人们与社会沟通并分享观点的主要渠道之一。我们常可从这些观点中检测出个人对给定话题是支持、反对还是中立。来自社交媒体的这些意见对各类公司非常有用。我们提出一个由 3545 条英印混合代码推文组成的新数据集，其内容涉及 2016 年印度实施的废钞令（Demonetisation），随后全国范围内展开了大规模辩论。我们提出一个使用该数据集开发的立场检测基线监督分类系统，其采用多种机器学习技术，在 10 折交叉验证下达到 58.7% 的准确率。
引用
@article{arxiv.1805.11868,
title = {An English-Hindi Code-Mixed Corpus: Stance Annotation and Baseline System},
author = {Sahil Swami and Ankush Khandelwal and Vinay Singh and Syed Sarfaraz Akhtar and Manish Shrivastava},
journal= {arXiv preprint arXiv:1805.11868},
year = {2018}
}
备注
9 pages, CICling 2018