Text2Time：基于 Transformer 的文章时间段预测
计算与语言
2023-04-26 v2
摘要
预测文本文档（如新闻文章）的发表时段这一任务，是自然语言处理领域中重要但较少被研究的问题。预测新闻文章的年份在历史研究、情感分析与媒体监测等多种情境下均有用处。本工作中，我们研究基于文本内容预测文本文档（具体为新闻文章）发表时段的问题。为此，我们创建了自身庞大的标注数据集，包含《纽约时报》六十余年间发表的超过 350,000 篇新闻文章。在我们的方法中，我们使用预训练 BERT 模型针对文本分类任务（具体为时间段预测）微调。该模型超出预期，在将新闻文章准确分类至其相应发表年代方面提供了令人印象极为深刻的结果。该结果击败了这一相对未被探索的从文本预测时间任务的基线模型性能。
引用
@article{arxiv.2304.10859,
title = {Text2Time: Transformer-based Article Time Period Prediction},
author = {Karthick Prasad Gunasekaran and B Chase Babrich and Saurabh Shirodkar and Hee Hwang},
journal= {arXiv preprint arXiv:2304.10859},
year = {2023}
}
备注
8 Pages