syrapropa在SemEval-2020任务11上的工作：面向宣传技术与片段检测的BERT模型设计
计算与语言
2020-08-25 v1
摘要
本文描述了为SemEval-2020任务11（新闻文章中宣传技术检测）中两个子任务所提出的基于BERT的模型。我们首先基于SpanBERT构建用于片段识别（SI）的模型，并通过更深的模型与句子级表示来促进检测。随后我们为技术分类（TC）开发了一个混合模型。该混合模型由三个子模型组成，包括两个采用不同训练方法的BERT模型和一个基于特征的逻辑回归模型。我们致力于通过调整代价函数来处理不平衡数据集。在开发集上，我们在SI子任务中排名第七（F1值为0.4711），在TC子任务中排名第三（F1值为0.6783）。
引用
@article{arxiv.2008.10163,
title = {syrapropa at SemEval-2020 Task 11: BERT-based Models Design For Propagandistic Technique and Span Detection},
author = {Jinfen Li and Lu Xiao},
journal= {arXiv preprint arXiv:2008.10163},
year = {2020}
}