UBC-NLP 在 SemEval-2019 任务 6 上的工作：基于增强训练数据的攻击性内容集成学习
计算与语言
2019-06-11 v1
摘要
我们研究了在有限且不均衡的 Twitter 数据上学习攻击性内容的问题。为此，我们考察了将多种数据增强方法与一系列经典集成分类器结合使用的效用。在 SemEval-2019 子任务 B 的 75 支参赛队伍中，我们的系统排名第 6（宏 F1 分数为 0.706）。对于子任务 C，在 65 支参赛队伍中，我们的系统排名第 9（宏 F1 分数为 0.587）。
引用
@article{arxiv.1906.03692,
title = {UBC-NLP at SemEval-2019 Task 6:Ensemble Learning of Offensive Content With Enhanced Training Data},
author = {Arun Rajendran and Chiyu Zhang and Muhammad Abdul-Mageed},
journal= {arXiv preprint arXiv:1906.03692},
year = {2019}
}
备注
7 pages, 2 figures, Proceedings of the 13th International Workshop on Semantic Evaluation (SemEval)