SNU_IDS在SemEval-2019任务3：解决对话分类中训练-测试类分布失配问题
计算与语言
2019-04-02 v2 机器学习
摘要
我们提出若干技术以应对SemEval 2019语境情感检测任务中训练与测试数据类分布失配的问题，其通过扩展现有的类不平衡问题方法来达成。这些方法缩小了预测分布与真实分布之间的距离，对性能表现出一致的正向影响。我们还提出了一种新颖的神经架构，其利用整体语境及各语句的表示。方法与模型的结合在最终评测中取得了约0.766的micro F1分数。
引用
@article{arxiv.1903.02163,
title = {SNU_IDS at SemEval-2019 Task 3: Addressing Training-Test Class Distribution Mismatch in Conversational Classification},
author = {Sanghwan Bae and Jihun Choi and Sang-goo Lee},
journal= {arXiv preprint arXiv:1903.02163},
year = {2019}
}
备注
International Workshop on Semantic Evaluation (SemEval 2019)