QMUL-SDS 参与 SardiStance：利用网络交互与知识图提升立场检测性能
计算与语言
2020-11-09 v3
摘要
本文介绍了我们提交给 SardiStance 2020 共享任务的方案，描述了用于任务 A 和任务 B 的架构。虽然我们任务 A 的提交未超过基线，但使用全部训练推文重新训练我们的模型，在任务 A 上采用双向 LSTM 与 BERT 多语言嵌入取得了有前景的结果（f-avg 0.601）。我们任务 B 的提交排名第 6（f-avg 0.709）。经进一步研究，在仅加入社交交互特征后，我们以相同架构和参数设置使最佳实验性能从（f-avg 0.573）提升至（f-avg 0.733）——突显了社交交互对模型性能的影响。
引用
@article{arxiv.2011.01181,
title = {QMUL-SDS @ SardiStance: Leveraging Network Interactions to Boost Performance on Stance Detection using Knowledge Graphs},
author = {Rabab Alkhalifa and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2011.01181},
year = {2020}
}