Fraunhofer SIT在CheckThat! 2023：以可核查性分类为例利用模型融合应对分类不确定性
计算与语言
2023-07-28 v2 机器学习
摘要
本文描述了Fraunhofer SIT团队在CLEF-2023 CheckThat!实验室任务1B（英语）中开发的获第二名的方法。给定来自政治辩论的文本片段，该任务旨在确定其是否应被评估为具有可核查性。检测可核查性陈述旨在通过优先处理事实核查人员首先应考虑的声明，来促进人工事实核查工作。它也可被视为事实核查系统的首要步骤。我们性能最佳的方法利用了以模型融合（Model Souping）为核心的集成分类方案。应用于英语数据集时，我们提交的模型取得了0.878的总体F1分数，并在竞赛中排名第二。
引用
@article{arxiv.2307.02377,
title = {Fraunhofer SIT at CheckThat! 2023: Tackling Classification Uncertainty Using Model Souping on the Example of Check-Worthiness Classification},
author = {Raphael Frick and Inna Vogel and Jeong-Eun Choi},
journal= {arXiv preprint arXiv:2307.02377},
year = {2023}
}
备注
9 pages