CyberWallE 在 SemEval-2020 任务 11：集成模型特征工程用于宣传检测的分析
计算与语言
2020-08-25 v1 机器学习
摘要
本文描述我们参与 SemEval-2020 任务“新闻文章中宣传技术检测”的情况。我们参与两个子任务：跨度识别（SI）与技术分类（TC）。我们在 SI 子任务中使用 bi-LSTM 架构，并为 TC 子任务训练了一个复杂集成模型。我们的架构使用来自 BERT 的嵌入，结合额外的词汇特征与广泛的标签后处理构建。我们的系统在 SI 子任务中于 35 支队伍里排名第 8（F1-score：43.86%），在 TC 子任务中于 31 支队伍里排名第 8（F1-score：57.37%）。
引用
@article{arxiv.2008.09859,
title = {CyberWallE at SemEval-2020 Task 11: An Analysis of Feature Engineering for Ensemble Models for Propaganda Detection},
author = {Verena Blaschke and Maxim Korniyenko and Sam Tureski},
journal= {arXiv preprint arXiv:2008.09859},
year = {2020}
}