論文の概要: SemEval-2020 Task 11: Detection of Propaganda Techniques in News
Articles
- arxiv url: http://arxiv.org/abs/2009.02696v1
- Date: Sun, 6 Sep 2020 10:05:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 08:31:18.885012
- Title: SemEval-2020 Task 11: Detection of Propaganda Techniques in News
Articles
- Title（参考訳）: SemEval-2020 タスク11:ニュース記事におけるプロパガンダ技術の検出
- Authors: G. Da San Martino, A. Barr\'on-Cede\~no, H. Wachsmuth, R. Petrov, P.
Nakov
- Abstract要約: 本稿では,新聞記事中のプロパガンダ技術の検出に関するSemEval-2020 Task 11の結果を紹介する。
このタスクには、スパン識別と技術分類という2つのサブタスクがあった。
両方のサブタスクでは、最高のシステムはトレーニング済みのトランスフォーマーとアンサンブルを使用していた。
- 参考スコア（独自算出の注目度）: 0.6999740786886536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present the results and the main findings of SemEval-2020 Task 11 on
Detection of Propaganda Techniques in News Articles. The task featured two
subtasks. Subtask SI is about Span Identification: given a plain-text document,
spot the specific text fragments containing propaganda. Subtask TC is about
Technique Classification: given a specific text fragment, in the context of a
full document, determine the propaganda technique it uses, choosing from an
inventory of 14 possible propaganda techniques. The task attracted a large
number of participants: 250 teams signed up to participate and 44 made a
submission on the test set. In this paper, we present the task, analyze the
results, and discuss the system submissions and the methods they used. For both
subtasks, the best systems used pre-trained Transformers and ensembles.
- Abstract（参考訳）: 本稿では,新聞記事におけるプロパガンダ技術の検出に関するSemEval-2020 Task 11の結果と主な成果を紹介する。
タスクには2つのサブタスクがあった。
Subtask SI は Span Identification に関するものだ。 プレーンテキストのドキュメントが与えられたら、プロパガンダを含む特定のテキストの断片を見つける。
特定のテキスト断片が与えられたとき、完全なドキュメントの文脈で、それが使用するプロパガンダのテクニックを決定し、14の可能なプロパガンダのテクニックのインベントリから選択する。
250チームが参加して参加し、44人がテストセットに応募した。
本稿では,タスクを提示し,結果を分析し,システム提案とそれを用いた手法について考察する。
両方のサブタスクでは、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。
関連論文リスト
- SemEval-2024 Task 8: Multidomain, Multimodel and Multilingual Machine-Generated Text Detection [68.858931667807]
Subtask Aは、テキストが人間によって書かれたか、機械によって生成されたかを決定するバイナリ分類タスクである。
サブタスクBは、テキストの正確なソースを検出し、それが人間によって書かれたか、特定のLCMによって生成されたかを認識する。
Subtask Cは、著者が人間から機械へ遷移するテキスト内の変化点を特定することを目的としている。
論文 参考訳（メタデータ） (2024-04-22T13:56:07Z) - Findings of the WMT 2022 Shared Task on Translation Suggestion [63.457874930232926]
We report the results of the first edition of the WMT shared task on Translation Suggestion。
このタスクは、機械翻訳(MT)によって生成された文書全体に対して、特定の単語やフレーズの代替手段を提供することを目的としている。
2つのサブタスク、すなわち単純翻訳提案と暗示付き翻訳提案で構成されている。
論文 参考訳（メタデータ） (2022-11-30T03:48:36Z) - CREATIVESUMM: Shared Task on Automatic Summarization for Creative
Writing [90.58269243992318]
本稿では,複数の創作分野,すなわち文学テキスト,映画脚本,テレビ脚本を要約する作業について紹介する。
4つのサブタスクとその対応するデータセットを導入し、本、映画脚本、プライムタイムテレビ脚本、昼間のソープオペラ脚本の要約に焦点を当てた。
COING 2022でのCREATIVESUMMワークショップの一環として、共有タスクには合計18の応募が寄せられた。
論文 参考訳（メタデータ） (2022-11-10T21:31:03Z) - 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) - Solomon at SemEval-2020 Task 11: Ensemble Architecture for Fine-Tuned
Propaganda Detection in News Articles [0.3232625980782302]
本稿では,第11節「新聞記事におけるプロパガンダ技術の検出」に参画したシステム(ソロモン)の詳細と成果について述べる。
プロパガンダデータセットの微調整にRoBERTaベースのトランスフォーマーアーキテクチャを使用した。
他の参加システムと比較して、私たちの応募はリーダーボードで4位です。
論文 参考訳（メタデータ） (2020-09-16T05:00:40Z) - UPB at SemEval-2020 Task 11: Propaganda Detection with Domain-Specific
Trained BERT [0.3437656066916039]
本稿では,新聞記事コンペティションにおけるSemEval-2020, Task 11: Detection of Propaganda Techniques in News Articles competitionについて述べる。
提案手法では,プロパガンダや超党派ニュース記事に事前学習したBERTモデルを特化することを検討する。
提案システムはサブタスクSIで46.060%のF1スコアを獲得し、36チームから5位、32チームから19位、サブタスクTCで54.302%のF1スコアを記録した。
論文 参考訳（メタデータ） (2020-09-11T08:44:14Z) - DUTH at SemEval-2020 Task 11: BERT with Entity Mapping for Propaganda
Classification [1.5469452301122173]
本報告では,SemEval-2020 Task 11: Detection of Propaganda Techniques in News Articlesに参加するために,Democritus University of Thrace(DUTH)チームが採用した手法について述べる。
論文 参考訳（メタデータ） (2020-08-22T18:18:02Z) - LTIatCMU at SemEval-2020 Task 11: Incorporating Multi-Level Features for
Multi-Granular Propaganda Span Identification [70.1903083747775]
本稿では,新聞記事におけるプロパガンダ・スパン識別の課題について述べる。
本稿では,BERT-BiLSTMに基づくプロパガンダ分類モデルを提案する。
論文 参考訳（メタデータ） (2020-08-11T16:14:47Z) - 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) - newsSweeper at SemEval-2020 Task 11: Context-Aware Rich Feature
Representations For Propaganda Classification [2.0491741153610334]
本稿では,SemEval 2020 Task 11: Detection of Propaganda Techniques in News Articlesについて述べる。
我々は、名前付きエンティティ認識タスクのために開発されたタグ付け技術により、事前訓練されたBERT言語モデルを活用している。
第2のサブタスクでは,プロパガンダ手法の分類のために,事前学習したRoBERTaモデルにコンテキスト特徴を組み込む。
論文 参考訳（メタデータ） (2020-07-21T14:06:59Z) - BPGC at SemEval-2020 Task 11: Propaganda Detection in News Articles with
Multi-Granularity Knowledge Sharing and Linguistic Features based Ensemble
Learning [2.8913142991383114]
SemEval 2020 Task-11はニュースプロパガンダ検出のための自動システムの設計を目的としている。
Task-11 は2つのサブタスク、すなわち Span Identification と Technique Classification から構成される。
論文 参考訳（メタデータ） (2020-05-31T19:35:53Z)
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。