NL-FIIT 在 SemEval-2019 任务 9 中的工作：用于建议挖掘的神经模型集成
计算与语言
2019-04-08 v1
摘要
在本文中，我们提出了提交给 SemEval-2019 任务 9 竞赛的神经模型架构：“从在线评论与论坛中进行建议挖掘”。我们参与了特定领域和跨领域建议挖掘两个子任务。我们提出了一种采用 Bi-LSTM 层和自注意力机制的循环神经网络架构。我们的架构试图通过使用 ELMo 的词表示来编码词，并集成多个模型以取得更好结果。我们使用所提出模型的不同设置进行了实验，涉及为损失函数对预测类别进行加权。我们的最佳模型在官方测试评估中，子任务 A 得分为 0.6816，子任务 B 得分为 0.6850。在官方结果中，我们分别在子任务 A 和 B 中取得第 12 名和第 10 名。
引用
@article{arxiv.1904.02981,
title = {NL-FIIT at SemEval-2019 Task 9: Neural Model Ensemble for Suggestion Mining},
author = {Samuel Pecar and Marian Simko and Maria Bielikova},
journal= {arXiv preprint arXiv:1904.02981},
year = {2019}
}
备注
Accepted at the SemEval-2019 International Workshop on Semantic Evaluation