論文の概要: QMUL-SDS at CheckThat! 2020: Determining COVID-19 Tweet Check-Worthiness Using an Enhanced CT-BERT with Numeric Expressions

• arxiv url: http://arxiv.org/abs/2008.13160v1
• Date: Sun, 30 Aug 2020 13:03:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 12:11:40.054073
• Title: QMUL-SDS at CheckThat! 2020: Determining COVID-19 Tweet Check-Worthiness Using an Enhanced CT-BERT with Numeric Expressions
• Title（参考訳）: QMUL-SDS - CheckThat! 2020年: 数値表現付きCT-BERTで新型コロナウイルスのツイートチェックを決定
• Authors: Rabab Alkhalifa, Theodore Yoong, Elena Kochkina, Arkaitz Zubiaga and Maria Liakata
• Abstract要約: 本稿では,CLEF 2020 CheckThat!のタスク1におけるQMUL-SDSチームの参加について述べる。 このタスクの目的は、COVID-19に関するツイートのチェックしやすさを判断し、事実確認を必要とするツイートを特定し、優先順位付けすることである。 数値式で拡張された COVID-Twitter-BERT (CT-BERT) を用いたCNN は,ベースライン結果から性能を効果的に向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 28.172790043753825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper describes the participation of the QMUL-SDS team for Task 1 of the CLEF 2020 CheckThat! shared task. The purpose of this task is to determine the check-worthiness of tweets about COVID-19 to identify and prioritise tweets that need fact-checking. The overarching aim is to further support ongoing efforts to protect the public from fake news and help people find reliable information. We describe and analyse the results of our submissions. We show that a CNN using COVID-Twitter-BERT (CT-BERT) enhanced with numeric expressions can effectively boost performance from baseline results. We also show results of training data augmentation with rumours on other topics. Our best system ranked fourth in the task with encouraging outcomes showing potential for improved results in the future.
• Abstract（参考訳）: 本稿では,CLEF 2020 CheckThat!のタスク1におけるQMUL-SDSチームの参加について述べる。 このタスクの目的は、COVID-19に関するツイートのチェックしやすさを判断し、事実確認を必要とするツイートを特定し優先順位付けすることである。 フェイクニュースから国民を守るための継続的な取り組みをさらに支援し、信頼できる情報を見つける手助けをする。 我々は提出した論文の結果を記述し分析する。 数値式で拡張された COVID-Twitter-BERT (CT-BERT) を用いたCNN は,ベースライン結果から性能を効果的に向上させることができることを示す。 また,他の話題に対する噂による学習データ拡張の結果も示す。 当社のベストシステムは、今後の成果改善の可能性を示す成果を奨励するタスクで、第4位にランク付けしています。

関連論文リスト

• ThangDLU at #SMM4H 2024: Encoder-decoder models for classifying text data on social disorders in children and adolescents [49.00494558898933]
  本稿では,#SMM4H (Social Media Mining for Health) 2024 Workshopのタスク3とタスク5への参加について述べる。 タスク3は、屋外環境が社会不安の症状に与える影響を議論するツイートを中心にした多クラス分類タスクである。 タスク5は、子供の医学的障害を報告しているツイートに焦点を当てたバイナリ分類タスクを含む。 BART-baseやT5-smallのような事前訓練されたエンコーダデコーダモデルからの転送学習を適用し、与えられたツイートの集合のラベルを同定した。
  論文  参考訳（メタデータ） (2024-04-30T17:06:20Z)
• Less is More: High-value Data Selection for Visual Instruction Tuning [127.38740043393527]
  本稿では,視覚的命令データの冗長性を排除し,トレーニングコストを削減するために,高価値なデータ選択手法TIVEを提案する。 約15%のデータしか使用していない我々のアプローチは、8つのベンチマークで全データ微調整モデルに匹敵する平均性能を実現することができる。
  論文  参考訳（メタデータ） (2024-03-14T16:47:25Z)
• Unify word-level and span-level tasks: NJUNLP's Participation for the WMT2023 Quality Estimation Shared Task [59.46906545506715]
  我々は、WMT 2023 Quality Estimation (QE)共有タスクにNJUNLPチームを紹介する。 私たちのチームは2つのサブタスクすべてで英語とドイツ語のペアの予測を提出しました。 我々のモデルは、単語レベルと細粒度エラースパン検出サブタスクの両方において、英語とドイツ語で最高の結果を得た。
  論文  参考訳（メタデータ） (2023-09-23T01:52:14Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Twitter-COMMs: Detecting Climate, COVID, and Military Multimodal Misinformation [83.2079454464572]
  本稿では,DARPAセマンティック・フォレスティクス(SemaFor)プログラムにおける画像テキスト不整合検出へのアプローチについて述べる。 Twitter-COMMsは大規模マルチモーダルデータセットで、884万のツイートが気候変動、新型コロナウイルス、軍用車両のトピックに関連する。 我々は、最先端のCLIPモデルに基づいて、自動生成されたランダムとハードのネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガ
  論文  参考訳（メタデータ） (2021-12-16T03:37:20Z)
• Findings of the NLP4IF-2021 Shared Tasks on Fighting the COVID-19 Infodemic and Censorship Detection [23.280506220186425]
  NLP4IF-2021共有タスクの結果を示す。 10チームがタスク1にシステムを提出し、1チームがタスク2に参加した。 最高のシステムは、事前訓練されたトランスフォーマーとアンサンブルを使用する。
  論文  参考訳（メタデータ） (2021-09-23T06:38:03Z)
• NIT COVID-19 at WNUT-2020 Task 2: Deep Learning Model RoBERTa for Identify Informative COVID-19 English Tweets [0.0]
  本稿では,WNUT-2020 Task2 において,NIT_COVID-19 チームによって提出された WNUT-2020 Task2 における COVID-19 英語のつぶやきを識別するためのモデルを提案する。 共用タスクWNUT 2020 Task2のモデルによる性能はF1スコアの89.14%である。
  論文  参考訳（メタデータ） (2020-11-11T05:20:39Z)
• UIT-HSE at WNUT-2020 Task 2: Exploiting CT-BERT for Identifying COVID-19 Information on the Twitter Social Network [2.7528170226206443]
  本稿では,W-NUT 2020 Shared Task 2: Identification of Informative COVID-19 English Tweets。 我々は,様々な微調整技術を用いた COVID-Twitter-BERT (CT-BERT) に基づくトランスフォーマーモデルを用いた簡易かつ効果的なアプローチを提案する。 その結果、F1スコアの90.94%を達成し、このタスクのリーダーボードで3位となり、合計56チームが参加した。
  論文  参考訳（メタデータ） (2020-09-07T08:20:31Z)
• Team Alex at CLEF CheckThat! 2020: Identifying Check-Worthy Tweets With Transformer Models [28.25006244616817]
  本稿では、深い文脈のテキスト表現と、そのツイートの社会的文脈をモデル化した、新型コロナウイルスに関するチェックアワーなツイートを検出するモデルを提案する。 CLEF-2020 CheckThat! Task 1 System Team_AlexはMAPスコア0.8034で2位にランクされた。
  論文  参考訳（メタデータ） (2020-09-07T08:03:21Z)
• TATL at W-NUT 2020 Task 2: A Transformer-based Baseline System for Identification of Informative COVID-19 English Tweets [1.4315501760755605]
  W-NUT 2020 Shared Task 2: Identification of Informative COVID-19 English Tweets。 事前訓練されたトランスフォーマー言語モデルの最近の進歩に触発されて,タスクの単純かつ効果的なベースラインを提案する。 その単純さにもかかわらず、私たちの提案したアプローチは、リーダーボードに非常に競争力のある結果を示します。
  論文  参考訳（メタデータ） (2020-08-28T21:27:42Z)

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。