基于多面集成学习的递归式文体突变检测
计算与语言
2019-06-18 v1 机器学习
摘要
我们提出了一种用于文体变化检测的监督方法，旨在预测给定文本文档中是否存在文体变化，并找出此类变化发生的确切位置。具体而言，我们将文档的 TF.IDF 表示与专为该任务设计的特征相结合，并通过包含 SVM、Random Forest、AdaBoost、MLP 和 LightGBM 的多样化分类器集成进行预测。每当模型检测到存在文体变化时，我们递归地应用它，以寻找变化的具体位置。我们的方法为 PAN@CLEF 2018 文体变化检测任务中的获胜系统提供了支撑。
引用
@article{arxiv.1906.06917,
title = {Recursive Style Breach Detection with Multifaceted Ensemble Learning},
author = {Daniel Kopev and Dimitrina Zlatkova and Kristiyan Mitov and Atanas Atanasov and Momchil Hardalov and Ivan Koychev and Preslav Nakov},
journal= {arXiv preprint arXiv:1906.06917},
year = {2019}
}
备注
Accepted as regular paper at AIMSA 2018