NutCracker 在 WNUT-2020 任务 2 中的表现：利用集成与对抗训练鲁棒识别信息性 COVID-19 推文
计算与语言
2020-10-12 v1 信息检索
机器学习
摘要
我们使用 COVID-Twitter-BERT 和 RoBERTa 模型实验识别信息性 COVID-19 推文。我们进一步使用对抗训练使模型更具鲁棒性。COVID-Twitter-BERT 和 RoBERTa 的集成在 WNUT-2020 任务 2 的测试数据上获得 0.9096 的 F1 分数（正类），并在排行榜上排名第 1。使用对抗训练所得模型的集成也产生类似结果。
引用
@article{arxiv.2010.04335,
title = {NutCracker at WNUT-2020 Task 2: Robustly Identifying Informative COVID-19 Tweets using Ensembling and Adversarial Training},
author = {Priyanshu Kumar and Aadarsh Singh},
journal= {arXiv preprint arXiv:2010.04335},
year = {2020}
}