Turing团队在SemEval-2017任务8中的工作：基于Branch-LSTM的谣言立场分类序列方法
计算与语言
2017-04-25 v1 人工智能
摘要
本文描述了 Turing 团队提交给 SemEval 2017 RumourEval（确定谣言真实性及对谣言的支持，SemEval 2017 任务8，子任务A）的工作。子任务A解决谣言立场分类的挑战，即识别 Twitter 用户对其所讨论谣言真实性的态度。立场分类被认为是谣言验证的重要一步，因此在该任务中表现良好有望有助于揭穿虚假谣言。在这项工作中，我们将一组讨论谣言的 Twitter 帖子分类为支持、否认、质疑或评论底层谣言。我们提出了一种基于 LSTM 的序列模型，通过建模推文的对话结构，在 RumourEval 测试集上取得了 0.784 的准确率，优于子任务A中的所有其他系统。
引用
@article{arxiv.1704.07221,
title = {Turing at SemEval-2017 Task 8: Sequential Approach to Rumour Stance Classification with Branch-LSTM},
author = {Elena Kochkina and Maria Liakata and Isabelle Augenstein},
journal= {arXiv preprint arXiv:1704.07221},
year = {2017}
}
备注
SemEval 2017 RumourEval: Determining rumour veracity and support for rumours (SemEval 2017 Task 8, Subtask A)