SocCogCom 在 SemEval-2020 任务 11 上的工作：利用句子级情感显著性特征刻画与检测宣传手法
计算与语言
2020-09-01 v1 计算机与社会
摘要
本文描述了一个用于从新闻文章中检测宣传技术的系统。我们着重考察从新闻片段中提取的情感显著性特征如何有助于刻画并预测宣传技术的存在。相关性分析揭示了一些有趣的模式，例如，“loaded language（煽动性语言）”和“slogan（口号）”技术与效价和喜悦强度呈负相关，而与愤怒、恐惧和悲伤强度呈正相关。相反，“flag waving（挥舞旗帜）”和“appeal to fear-prejudice（诉诸恐惧与偏见）”则呈现完全相反的模式。通过预测实验，结果进一步表明，在使用简单前馈网络作为两种设置下的分类器时，仅使用 BERT 特征得到的 F1 值为 0.548，而情感强度特征与 BERT 的混合特征能够得到 0.570 的 F1 值。在黄金测试数据上，我们的系统在十四种宣传技术的整体检测效能上获得了 0.558 的微平均 F1 值。它在检测“loaded language”（F1 = 0.772）、“name calling and labeling（指名道姓与贴标签）”（F1 = 0.673）、“doubt（质疑）”（F1 = 0.604）和“flag waving”（F1 = 0.543）方面表现相对较好。
引用
@article{arxiv.2008.13012,
title = {SocCogCom at SemEval-2020 Task 11: Characterizing and Detecting Propaganda using Sentence-Level Emotional Salience Features},
author = {Gangeshwar Krishnamurthy and Raj Kumar Gupta and Yinping Yang},
journal= {arXiv preprint arXiv:2008.13012},
year = {2020}
}
备注
Accepted at SemEval 2020 for publication