面向新闻中细粒度宣传检测的神经网络架构
计算与语言
2019-09-16 v1 信息检索
机器学习
摘要
本文描述了我们的系统(MIC-CIS)参与2019年细粒度宣传检测共享任务的细节与结果。为解决句子级(SLC)和片段级(FLC)宣传检测任务,我们探索了不同的神经架构(如CNN、LSTM-CRF和BERT),并提取了语言(如词性、命名实体、可读性、情感、情绪等)、版式和主题特征。具体而言,我们设计了多粒度多任务神经架构以联合执行句子级和片段级宣传检测。此外,我们研究了多数投票、松弛投票等不同集成方案以提升整体系统性能。与其他参与系统相比,我们的提交分别在FLC和SLC任务中排名第3和第4。
引用
@article{arxiv.1909.06162,
title = {Neural Architectures for Fine-Grained Propaganda Detection in News},
author = {Pankaj Gupta and Khushbu Saxena and Usama Yaseen and Thomas Runkler and Hinrich Schütze},
journal= {arXiv preprint arXiv:1909.06162},
year = {2019}
}
备注
EMNLP2019: Fine-grained propaganda detection shared task at NLP4IF workshop (EMNLP2019)