TwistBytes——GermEval 2019中的层次分类：在召回率与精确率间行走细线
计算与语言
2019-08-20 v1 机器学习
摘要
我们在此介绍针对GermEval 2019任务1（德语简介层次分类共享任务）的方法。我们在层次子任务B中获得第一名，在根节点扁平分类子任务A中获得第二名。在子任务A中，我们应用了一种简单的多特征TF-IDF提取方法，在每个特征提取模块上使用不同的n-gram范围和停用词去除。顶层的分类器为标准线性SVM。对于层次分类，我们采用了一种局部方法，该方法更轻量且与子任务A中使用的方法类似。我们方法的关键在于应用后处理以应对任务的多标签特性，从而提高了召回率，但未超过精确率度量分数。
引用
@article{arxiv.1908.06493,
title = {TwistBytes -- Hierarchical Classification at GermEval 2019: walking the fine line (of recall and precision)},
author = {Fernando Benites},
journal= {arXiv preprint arXiv:1908.06493},
year = {2019}
}