newsSweeper在SemEval-2020任务11中的表现：用于宣传分类的上下文感知丰富特征表示
计算与语言
2020-07-23 v1 机器学习
摘要
本文描述了我们提交至 SemEval 2020 任务11（新闻文章中宣传技术检测）的成果，涵盖片段识别与技术分类两个子任务。我们利用预训练的 BERT 语言模型，并结合为命名实体识别（NER）任务开发的标注技术，构建了用于识别文本中宣传片段的系统。对于第二个子任务，我们在预训练的 RoBERTa 模型中融入上下文特征，以进行分类宣传技术。我们在宣传技术分类子任务中排名第5。
引用
@article{arxiv.2007.10827,
title = {newsSweeper at SemEval-2020 Task 11: Context-Aware Rich Feature Representations For Propaganda Classification},
author = {Paramansh Singh and Siraj Sandhu and Subham Kumar and Ashutosh Modi},
journal= {arXiv preprint arXiv:2007.10827},
year = {2020}
}
备注
7 pages, 4 figures, 2 tables Accepted at Proceedings of the 14th International Workshop on Semantic Evaluation (SemEval-2020)