CLEF CheckThat! 2020 的 Team Alex：利用 Transformer 模型识别值得核查的推文
计算与语言
2020-09-08 v1 信息检索
机器学习
社会与信息网络
摘要
尽管虚假与错误信息已在社交媒体中盛行多年，但随着 COVID-19 大流行的出现，政治与健康错误信息相互融合，从而将问题提升至全新高度并引发了首次全球信息疫情。对抗该信息疫情涉及多方面，其中事实核查与揭穿虚假及误导性声称最为重要。遗憾的是，人工事实核查耗时，而自动事实核查资源密集，这意味着我们需要预过滤输入的社交媒体帖子并剔除那些看似不值得核查的内容。有鉴于此，我们在此提出一种检测关于 COVID-19 的值得核查推文的模型，其将深度上下文文本表示与推文社交上下文建模相结合。我们进一步描述了一系列额外实验与比较，相信它们对未来研究有用，因其就何种技术对该任务有效提供了某些指示。我们向 CLEF-2020 CheckThat! 任务 1 英文版的官方提交（系统 Team_Alex）以 0.8034 的 MAP 分数排名第二，与冠军系统几乎持平，仅绝对落后 0.003 MAP 分。
引用
@article{arxiv.2009.02931,
title = {Team Alex at CLEF CheckThat! 2020: Identifying Check-Worthy Tweets With Transformer Models},
author = {Alex Nikolov and Giovanni Da San Martino and Ivan Koychev and Preslav Nakov},
journal= {arXiv preprint arXiv:2009.02931},
year = {2020}
}
备注
Check-worthiness; Fact-Checking; Veracity