抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,SemEval-2020タスク11におけるニュース記事に対するプロパパンダ検出技術に関する研究を要約した。このタスクをSIとTCサブタスクに分割した。このタスクを達成するために,GloVe単語表現,BERT予訓練モデル,およびLSTMモデルアーキテクチャを実行した。本アプローチはSIとTCサブタスクの両方に対して良好な結果を達成した。SIサブタスクのマクロF1スコアは0.406であり,TCサブタスクのマイクロF1スコアは0.505であった。提案手法は,試験セットに対して,公式に公開されたベースライン法よりも,SIとTCのサブタスクが,それぞれ17番目と22番目のランクを凌駕する。本論文はまた,Bi-LSTM,BERT,およびXGBoostモデルのような異なる深層学習モデルアーキテクチャの性能を,ニュースプロモーション技術の検出に関して比較する。本論文のコードは,https://github.com/daojiaxu/semeval_11でラベル付けされた。【JST・京大機械翻訳】