用于文本中监督式抗议事件检测的多任务模型
计算与语言
2020-05-07 v1 计算机与社会
摘要
CLEF 2019 ProtestNews Lab 任务要求参与者在更大的新闻数据语料库中识别与政治抗议相关的文本。三个任务包括文章分类、句子检测与事件抽取。我应用能够同时针对其中两个或三个任务产生预测的多任务神经网络。多任务框架使模型能够从所有三个任务的训练数据中学习相关特征。本文展示了在自动化政治事件编码方面接近或高于已报道的 state-of-the-art（最优）性能，尽管研究设计上的显著差异使得直接比较较为困难。
引用
@article{arxiv.2005.02954,
title = {Multitask Models for Supervised Protests Detection in Texts},
author = {Benjamin J. Radford},
journal= {arXiv preprint arXiv:2005.02954},
year = {2020}
}