Constraint 2021: 用于COVID-19假新闻检测的机器学习模型共享任务

Thomas Felber

Constraint 2021: 用于COVID-19假新闻检测的机器学习模型共享任务

计算与语言 2021-01-14 v2

作者: Thomas Felber

摘要

在本系统论文中,我们介绍了参与Constraint 2021 COVID-19假新闻检测共享任务的方案,该任务要求将COVID-19相关的社交媒体帖子分类为虚假或真实。在我们的系统中,我们结合多种语言特征(如n-grams、可读性、情绪语调与标点),应用经典机器学习算法应对该挑战。在预处理方面,我们尝试了停用词去除、词干提取/词形还原、链接去除等多种步骤。我们发现性能最佳的系统的基于线性SVM,其在测试数据上获得了95.19%的加权平均F1分数,在排行榜中位居中游(167支队伍中第80名)。

关键词

假新闻检测 COVID-19 机器学习语言特征线性SVM 社交媒体共享任务

引用

@article{arxiv.2101.03717,
  title  = {Constraint 2021: Machine Learning Models for COVID-19 Fake News Detection Shared Task},
  author = {Thomas Felber},
  journal= {arXiv preprint arXiv:2101.03717},
  year   = {2021}
}

备注

Constraint 2021, AAAI 21, 10 pages

相关论文

查看更多相关论文 →