論文の概要: Overview of CLEF 2019 Lab ProtestNews: Extracting Protests from News in
a Cross-context Setting
- arxiv url: http://arxiv.org/abs/2008.00345v1
- Date: Sat, 1 Aug 2020 21:39:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 00:37:03.777577
- Title: Overview of CLEF 2019 Lab ProtestNews: Extracting Protests from News in
a Cross-context Setting
- Title（参考訳）: CLEF 2019 Lab ProtestNewsの概要: クロスコンテキスト設定でニュースから抗議を抽出する
- Authors: Ali H\"urriyeto\u{g}lu, Erdem Y\"or\"uk, Deniz Y\"uret,
\c{C}a\u{g}r{\i} Yoltar, Burak G\"urel, F{\i}rat Duru\c{s}an, Osman Mutlu,
and Arda Akdemir
- Abstract要約: 研究室は文書、文、トークンレベルの情報分類と抽出タスクで構成されている。
トレーニングと開発データはインドから収集され、テストデータはインドと中国から収集された。
我々は、ニューラルネットワークが最良の結果をもたらすのを観察し、クロスカントリー設定におけるほとんどの投稿に対して、性能が大幅に低下するのを観察した。
- 参考スコア（独自算出の注目度）: 3.5132824436572685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present an overview of the CLEF-2019 Lab ProtestNews on Extracting
Protests from News in the context of generalizable natural language processing.
The lab consists of document, sentence, and token level information
classification and extraction tasks that were referred as task 1, task 2, and
task 3 respectively in the scope of this lab. The tasks required the
participants to identify protest relevant information from English local news
at one or more aforementioned levels in a cross-context setting, which is
cross-country in the scope of this lab. The training and development data were
collected from India and test data was collected from India and China. The lab
attracted 58 teams to participate in the lab. 12 and 9 of these teams submitted
results and working notes respectively. We have observed neural networks yield
the best results and the performance drops significantly for majority of the
submissions in the cross-country setting, which is China.
- Abstract（参考訳）: 我々は,一般化可能な自然言語処理の文脈において,ニュースからの抗議を取り出すためのclef-2019 lab protestnewsの概要を紹介する。
この研究室は、文書、文、トークンレベルの情報分類および抽出タスクから構成されており、それぞれこの研究室の範囲内においてタスク1、タスク2、タスク3と呼ばれる。
この作業では、参加者は、上記の1つ以上のレベルにおいて、英語のローカルニュースから抗議活動に関連する情報を識別する必要があった。
トレーニングと開発データはインドから収集され、テストデータはインドと中国から収集された。
58チームが参加している。
これらのチームの12チームと9チームがそれぞれ結果と作業ノートを提出した。
我々は、ニューラルネットワークが最良の結果をもたらすのを観察し、その性能低下は、中国であるクロスカントリーセッティングにおけるほとんどの投稿に対して顕著である。
関連論文リスト
- Perception Test 2023: A Summary of the First Challenge And Outcome [67.0525378209708]
最初のパーセプションテストは、IEEE/CVF International Conference on Computer Vision (ICCV) 2023と共に半日間のワークショップとして開催された。
目標は、最近提案されたPerception Testベンチマークで最先端のビデオモデルをベンチマークすることであった。
このレポートでは、タスク記述、メトリクス、ベースライン、結果について要約しています。
論文 参考訳（メタデータ） (2023-12-20T15:12:27Z) - ArAIEval Shared Task: Persuasion Techniques and Disinformation Detection
in Arabic Text [41.3267575540348]
本稿では, EMNLP 2023と共同で開催される第1回アラビア2023会議の一環として組織されたArAIEval共有タスクの概要を紹介する。
ArAIEvalは、アラビア文字上の2つのタスクを提供する: (i) 説得テクニックの検出、ツイートやニュース記事における説得テクニックの識別、および (ii) ツイート上のバイナリとマルチクラスの設定における偽情報検出。
最終評価フェーズには合計20チームが参加し、タスク1と2には14チームと16チームが参加した。
論文 参考訳（メタデータ） (2023-11-06T15:21:19Z) - UrduFake@FIRE2020: Shared Track on Fake News Identification in Urdu [62.6928395368204]
本稿では、ウルドゥー語における偽ニュース検出に関するFIRE 2020における最初の共有タスクの概要について述べる。
目標は、900の注釈付きニュース記事と400のニュース記事からなるデータセットを使って偽ニュースを特定することである。
データセットには、 (i) Health、 (ii) Sports、 (iii) Showbiz、 (iv) Technology、 (v) Businessの5つのドメインのニュースが含まれている。
論文 参考訳（メタデータ） (2022-07-25T03:46:51Z) - Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2020 [62.6928395368204]
タスクはバイナリ分類タスクとして設定され、ゴールはリアルニュースとフェイクニュースを区別することである。
トレーニング用に900の注釈付きニュース記事とテスト用に400のニュース記事のデータセットを作成した。
6カ国(インド、中国、エジプト、ドイツ、パキスタン、イギリス)の42チームが登録された。
論文 参考訳（メタデータ） (2022-07-25T03:41:32Z) - UrduFake@FIRE2021: Shared Track on Fake News Identification in Urdu [55.41644538483948]
本研究は、ウルドゥー語で偽ニュースを検出するために、UrduFake@FIRE2021と名付けられた2番目の共有タスクを報告した。
提案システムは、様々なカウントベースの特徴に基づいており、異なる分類器とニューラルネットワークアーキテクチャを使用していた。
勾配降下(SGD)アルゴリズムは他の分類器よりも優れ、0.679Fスコアを達成した。
論文 参考訳（メタデータ） (2022-07-11T19:15:04Z) - Overview of the Shared Task on Fake News Detection in Urdu at FIRE 2021 [55.41644538483948]
共有タスクの目標は、コミュニティにこの重要な問題を解決するための効率的な方法を考え出すことを動機付けることです。
トレーニングセットには1300件の注釈付きニュース記事、750件のリアルニュース、550件のフェイクニュース、300件のニュース記事、200件のリアルニュース、100件のフェイクニュースが含まれている。
F1-macroスコアは0.679で、これは過去最高の0.907 F1-macroよりも低かった。
論文 参考訳（メタデータ） (2022-07-11T18:58:36Z) - Overview of the CLEF--2021 CheckThat! Lab on Detecting Check-Worthy
Claims, Previously Fact-Checked Claims, and Fake News [21.574997165145486]
第4回CheckThat! Lab, 2021 Conference and the Labs of the Evaluation Forum (CLEF)について述べる。
同研究所は、事実性に関連する技術支援タスクを評価し、アラビア語、ブルガリア語、英語、スペイン語、トルコ語をカバーしている。
論文 参考訳（メタデータ） (2021-09-23T06:10:36Z) - SemEval-2020 Task 10: Emphasis Selection for Written Text in Visual
Media [50.29389719723529]
本稿では,SemEval-2020 Task 10, Emphasis Selection for Written Text in Visual Media の主な成果とその結果を比較した。
この共有タスクの目的は、強調選択のための自動メソッドを設計することである。
タスクに送信されたシステムの解析は、BERTとRoBERTaが、トレーニング済みモデルの最も一般的な選択であることを示している。
論文 参考訳（メタデータ） (2020-08-07T17:24:53Z) - Overview of CheckThat! 2020: Automatic Identification and Verification
of Claims in Social Media [26.60148306714383]
CLEF 2020にて,CheckThat! Labの第3版の概要を紹介する。
この研究室は英語とアラビア語の2つの異なる言語で5つのタスクをこなした。
本稿では,課題設定,評価結果,参加者が使用するアプローチの概要について述べる。
論文 参考訳（メタデータ） (2020-07-15T21:19:32Z) - Multitask Models for Supervised Protests Detection in Texts [3.8073142980733]
これら2、3つのタスクの予測を同時に生成できるマルチタスクニューラルネットワークを適用します。
本稿では,自動政治イベント符号化における最先端技術に近い性能を示す。
論文 参考訳（メタデータ） (2020-05-06T17:00:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。