基于 R-drop 文本增强的 Covid-19 自报推文分类
计算与语言
2023-11-08 v1 信息检索
机器学习
摘要
本文介绍了为 2023 年健康相关社交媒体挖掘共享任务所构建的模型。我们的团队处理了第一项任务，即对自报 Covid-19 诊断的推文进行分类。我们的方法涉及一个分类模型，该模型融合了多样化的文本增强技术，并利用 R-drop 来扩充数据并缓解过拟合，从而提升模型效能。我们领先的模型通过 R-drop 以及同义词替换、保留词和回译等增强手段得到提升，其表现优于该任务的均值和中位数分数。我们的系统在测试集上取得了令人印象深刻的 0.877 的 F1 分数。
引用
@article{arxiv.2311.03420,
title = {Text Augmentations with R-drop for Classification of Tweets Self Reporting Covid-19},
author = {Sumam Francis and Marie-Francine Moens},
journal= {arXiv preprint arXiv:2311.03420},
year = {2023}
}
备注
This paper has been peer-reviewed and accepted for presentation at SMM4H'23 at AMIA 2023 Annual Symposium