利用 Transformer 对抗 COVID-19 信息流行病
计算与语言
2021-04-27 v1 机器学习
社会与信息网络
摘要
社交媒体上虚假信息的海量传播已成为全球性风险，在 COVID-19 这类全球大流行情境中尤为如此。因此，虚假信息检测在近几个月成为激增的研究课题。为强化虚假信息检测研究，组织了 NLP4IF-2021 对抗 COVID-19 信息流行病共享任务，要求参与者预测推文中关于虚假信息的七种不同的二值标签。该共享任务以三种语言组织：阿拉伯语、保加利亚语和英语。本文中，我们呈现使用 Transformer 解决该任务目标的方法。总体而言，我们的方法在阿拉伯语上取得 0.707 平均 F1 分数，在保加利亚语上取得 0.578 平均 F1 分数，在英语上取得 0.864 平均 F1 分数，在三种语言中均排名第 4。
引用
@article{arxiv.2104.12201,
title = {Transformers to Fight the COVID-19 Infodemic},
author = {Lasitha Uyangodage and Tharindu Ranasinghe and Hansi Hettiarachchi},
journal= {arXiv preprint arXiv:2104.12201},
year = {2021}
}
备注
Accepted to Workshop on NLP for Internet Freedom (NLP4IF) at NAACL 2021