Solomon在SemEval-2020任务11中的表现:用于新闻文章细调宣传检测的集成架构
计算与语言
2020-09-17 v1 人工智能
摘要
本文描述了我们的系统(Solomon)参与SemEval 2020任务11"新闻文章中宣传技术检测"\cite{DaSanMartinoSemeval20task11}的细节与结果。我们参与了"技术分类"(TC)任务,这是一个多类分类任务。为解决TC任务,我们使用基于RoBERTa的Transformer架构在宣传数据集上进行细调。RoBERTa的预测进一步由类相关少数类分类器细调。一个采用动态适配最小公共子序列算法的特殊分类器被用于适应重复类的复杂性。与其他参与系统相比,我们的提交在排行榜上排名第4。
引用
@article{arxiv.2009.07473,
title = {Solomon at SemEval-2020 Task 11: Ensemble Architecture for Fine-Tuned Propaganda Detection in News Articles},
author = {Mayank Raj and Ajay Jaiswal and Rohit R. R and Ankita Gupta and Sudeep Kumar Sahoo and Vertika Srivastava and Yeon Hyang Kim},
journal= {arXiv preprint arXiv:2009.07473},
year = {2020}
}