UPB 在 SemEval-2020 任务 11 中的表现：基于领域专用训练 BERT 的宣传检测
计算与语言
2020-09-14 v1
摘要
操纵性与误导性新闻已成为部分在线新闻机构的牟利工具，且此类新闻对人们的全球心态产生了显著影响。宣传是一种常被采用的操纵手段，其目的在于通过传播旨在扭曲或操纵读者观点的思想来影响读者。本文描述了我们参与 SemEval-2020 任务 11：新闻文章中宣传技术检测竞赛的情况。我们的方法考虑在宣传性与极端党派新闻文章上专门化一个预训练的 BERT 模型，使其能为两个子任务——即宣传跨度识别（SI）与宣传技术分类（TC）——创建更充分的表示。我们提出的系统在子任务 SI 中取得了 46.060% 的 F1 分数，在 36 支队伍中排名排行榜第 5；在子任务 TC 中取得了 54.302% 的微平均 F1 分数，在 32 支队伍中排名第 19。
引用
@article{arxiv.2009.05289,
title = {UPB at SemEval-2020 Task 11: Propaganda Detection with Domain-Specific Trained BERT},
author = {Andrei Paraschiv and Dumitru-Clementin Cercel and Mihai Dascalu},
journal= {arXiv preprint arXiv:2009.05289},
year = {2020}
}