Phonemer 在 WNUT-2020 任务 2 中的方法：基于 COVID Twitter BERT 与多数投票装袋集成的序列分类
计算与语言
2020-12-17 v3
摘要
本文介绍了我们为解决 EMNLP WNUT-2020 共享任务 2（识别有信息量的 COVID-19 英文推文）所采用的方法。该任务旨在开发一个系统，自动识别与新型冠状病毒（COVID-19）相关的英文推文是否具有信息量。我们分三个阶段解决该任务。第一阶段通过筛选仅保留相关信息对数据集进行预处理。随后尝试多种深度学习模型，如 CNN、RNN 与基于 Transformer 的模型。在最后阶段，我们提出对在不同子集上训练的最佳模型进行集成。我们的最终方法取得了 0.9037 的 F1 分数，并以 F1 分数作为评估标准总体排名第六。
引用
@article{arxiv.2010.00294,
title = {Phonemer at WNUT-2020 Task 2: Sequence Classification Using COVID Twitter BERT and Bagging Ensemble Technique based on Plurality Voting},
author = {Anshul Wadhawan},
journal= {arXiv preprint arXiv:2010.00294},
year = {2020}
}