DS@GT eRisk 2024：用于社交媒体风险评估的句子转换器
计算与语言
2024-07-12 v1 信息检索
摘要
我们呈报了 DS@GT 团队在 eRisk 2024 Tasks 1 和 3 中的工作说明。我们提出了一个排名系统，用于基于巴克克 Depression Inventory (BDI-II) 问卷的症状预测，使用基于问题相关性作为排序代理的二分类器。我们发现二分类器在排序方面校准不良，评估时表现不佳。对于 Task 3，我们使用来自 BERT 的嵌入来预测基于用户历史帖子的饮食失调症状严重程度。我们发现经典机器学习模型在该任务上表现良好，甚至与基线模型相当。文本数据的表示在两个任务中至关重要，我们发现句子转换器是下游建模的强大工具。源代码和模型可在 \url{https://github.com/dsgt-kaggle-clef/erisk-2024} 获取。
引用
@article{arxiv.2407.08008,
title = {DS@GT eRisk 2024: Sentence Transformers for Social Media Risk Assessment},
author = {David Guecha and Aaryan Potdar and Anthony Miyaguchi},
journal= {arXiv preprint arXiv:2407.08008},
year = {2024}
}
备注
Paper Submitted to CLEF 2024 CEUR-WS