MITRE 在 SemEval-2016 任务 6 中的系统：用于立场检测的迁移学习
人工智能
2016-06-14 v1 计算与语言
摘要
我们描述了MITRE提交给SemEval-2016任务6（推文立场检测）的系统。这项工作在任务A的监督立场检测中取得了最高分，在评估推文作者对某一主题是支持还是反对时，产生了67.8的平均F1分数。我们采用了一个循环神经网络，该网络使用在两个大型未标记数据集上通过远程监督学习到的特征进行初始化。我们使用word2vec skip-gram方法训练了词和短语的嵌入，然后利用这些特征通过标签预测辅助任务来学习句子表示。随后，这些句子向量在数百个标记样本上针对立场检测进行了微调。最终得到的高性能系统利用迁移学习最大化了可用训练数据的价值。
引用
@article{arxiv.1606.03784,
title = {MITRE at SemEval-2016 Task 6: Transfer Learning for Stance Detection},
author = {Guido Zarrella and Amy Marsh},
journal= {arXiv preprint arXiv:1606.03784},
year = {2016}
}
备注
International Workshop on Semantic Evaluation 2016