BPGC团队在SemEval-2020任务11中的工作：基于多粒度知识共享与语言特征的集成学习用于新闻文章宣传检测
计算与语言
2020-08-25 v2
摘要
宣传传播志同道合者的意识形态与信念，对其受众进行洗脑，有时还会导致暴力。SemEval 2020任务11旨在设计用于新闻宣传检测的自动化系统。任务11包含两个子任务，即片段识别——给定任意新闻文章，系统标注那些包含至少一种宣传技巧的特定片段；以及技巧分类——在14种宣传技巧中正确分类给定的宣传性语句。对于子任务1，我们使用从预训练transformer模型中提取的上下文嵌入以不同粒度表示文本数据，并提出一种多粒度知识共享方法。对于子任务2，我们使用BERT与逻辑回归分类器的集成并结合语言特征。我们的结果表明，在高度不平衡的数据集中，语言特征是覆盖少数类的重要指示因子。
引用
@article{arxiv.2006.00593,
title = {BPGC at SemEval-2020 Task 11: Propaganda Detection in News Articles with Multi-Granularity Knowledge Sharing and Linguistic Features based Ensemble Learning},
author = {Rajaswa Patil and Somesh Singh and Swati Agarwal},
journal= {arXiv preprint arXiv:2006.00593},
year = {2020}
}
备注
Accepted at SemEval-2020 workshop