InfoMiner在WNUT-2020任务2中的表现：基于Transformer的Covid-19信息性推文抽取
计算与语言
2020-10-13 v1 机器学习
摘要
识别信息性推文是基于社交媒体构建信息抽取系统的重要步骤。WNUT-2020任务2旨在从噪声推文中识别信息性推文。本文中，我们提出使用Transformer处理该任务目标的方法。总体而言，我们的方法在最终排名中位列第10，在测试集上取得0.9004的F1分数。
引用
@article{arxiv.2010.05327,
title = {InfoMiner at WNUT-2020 Task 2: Transformer-based Covid-19 Informative Tweet Extraction},
author = {Hansi Hettiarachchi and Tharindu Ranasinghe},
journal= {arXiv preprint arXiv:2010.05327},
year = {2020}
}
备注
Accepted to the 6th Workshop on Noisy User-generated Text (W-NUT) at EMNLP 2020