GermEval 2021 的数据科学厨房：精选手工特征，新鲜出炉
计算与语言
2024-08-20 v2 人工智能
机器学习
摘要
本文介绍了 Data Science Kitchen 在 GermEval 2021 关于识别有毒、引人参与及声称事实评论的共享任务中的贡献。该任务旨在通过纳入额外的子任务来扩展对攻击性语言的识别，这些子任务用于识别应由版主和社区管理者优先进行事实核查的评论。我们的贡献集中于一种特征工程方法配合常规分类后端。我们将预训练深度神经网络得到的语义与写作风格嵌入，与专门为该任务设计的额外数值特征相结合。通过分类器集成，以多数投票机制对每个子任务得出预测。我们的最佳提交在识别有毒、引人参与及声称事实评论上分别取得了 66.8%、69.9% 和 72.5% 的宏平均 F1 分数。
引用
@article{arxiv.2109.02383,
title = {Data Science Kitchen at GermEval 2021: A Fine Selection of Hand-Picked Features, Delivered Fresh from the Oven},
author = {Niclas Hildebrandt and Benedikt Boenninghoff and Dennis Orth and Christopher Schymura},
journal= {arXiv preprint arXiv:2109.02383},
year = {2024}
}
备注
Accepted at 17th Conference on Natural Language Processing (KONVENS 2021)