FH-SWF SG 参加 GermEval 2021：使用基于 Transformer 的语言模型识别有毒、引人参与及声称事实的评论
计算与语言
2021-09-16 v1
摘要
在本文中，我们描述了提交给 GermEval 2021 关于识别有毒、引人参与和声称事实评论的共享任务所使用的方法。对于所有三个子任务，我们对来自 Huggingface 模型中心的公开可用基于 transformer 的模型进行了微调。我们在以不同超参数对 80% 训练数据微调后评估了各种预训练模型的性能，并提交了两个性能最佳的结果模型的预测。我们发现该方法对子任务 3 效果最好，我们取得了 0.736 的 F1 分数。
引用
@article{arxiv.2109.02966,
title = {FH-SWF SG at GermEval 2021: Using Transformer-Based Language Models to Identify Toxic, Engaging, & Fact-Claiming Comments},
author = {Christian Gawron and Sebastian Schmidt},
journal= {arXiv preprint arXiv:2109.02966},
year = {2021}
}