文本栈中的剧透：Transformer 能帮多少忙？
计算与语言
2021-12-28 v1 机器学习
摘要
本文介绍了我们在评论中剧透检测方面的研究。在该应用场景中，我们描述了利用最新的深度学习成果与技术对可用的基于文本模型任务进行微调与组织以解释模型结果的方法。迄今为止，文献中很少有关剧透研究的描述。我们在两个带有剧透标注的开放数据集上测试了迁移学习方法与不同的最新 transformer 架构（在 TV Tropes Movies 数据集上 ROC AUC 高于 81%，在 Goodreads 数据集上高于 88%）。我们还收集数据并组装了一个带有细粒度标注的新数据集。为此，我们采用了可解释性技术与度量来评估模型的可靠性并解释其结果。
引用
@article{arxiv.2112.12913,
title = {Spoiler in a Textstack: How Much Can Transformers Help?},
author = {Anna Wróblewska and Paweł Rzepiński and Sylwia Sysko-Romańczuk},
journal= {arXiv preprint arXiv:2112.12913},
year = {2021}
}