SemEval-2016 任务 6 的 DeepStance：使用字符级与词级 CNN 检测推文中的立场
计算与语言
2016-06-21 v1 社会与信息网络
摘要
本文描述了我们针对推文立场检测任务（SemEval-2016 Task 6）的方法。我们利用深度学习在短文本分类方面的最新进展，创建了词级和字符级模型。在每种特定情况下，词级和字符级模型之间的选择是通过验证性能来确定的。我们的最终系统是结合使用词级或字符级模型的分类器的组合。我们还采用了新颖的数据增强技术来扩展和多样化我们的训练数据集，从而使我们的系统更加稳健。我们的系统分别达到了 0.67、0.61 和 0.635 的宏平均精确率、召回率和 F1 分数。
引用
@article{arxiv.1606.05694,
title = {DeepStance at SemEval-2016 Task 6: Detecting Stance in Tweets Using Character and Word-Level CNNs},
author = {Prashanth Vijayaraghavan and Ivan Sysoev and Soroush Vosoughi and Deb Roy},
journal= {arXiv preprint arXiv:1606.05694},
year = {2016}
}
备注
SemEval 2016, San Diego, California. In Proceedings of the 10th International Workshop on Semantic Evaluation (SemEval-2016). San Diego, California