Fugu-MT 論文翻訳(概要): UPB @ ACTI: Detecting Conspiracies using fine tuned Sentence Transformers

論文の概要: UPB @ ACTI: Detecting Conspiracies using fine tuned Sentence Transformers

arxiv url: http://arxiv.org/abs/2309.16275v1
Date: Thu, 28 Sep 2023 09:17:20 GMT
ステータス: 処理完了
システム内更新日: 2023-09-29 15:19:41.679845
Title: UPB @ ACTI: Detecting Conspiracies using fine tuned Sentence Transformers
Title（参考訳）: UPB @ ACTI: 微調整文変換器による陰謀検出
Authors: Andrei Paraschiv and Mihai Dascalu
Abstract要約: 我々は、ACTI @ EVALA 2023共有タスクによって提案された陰謀論の検出に対処する。提案手法は,F1スコアが85.71%,F1スコアが91.23%,F1スコアが他の競合システムを上回った。
参考スコア（独自算出の注目度）: 2.0046675283732887
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Conspiracy theories have become a prominent and concerning aspect of online discourse, posing challenges to information integrity and societal trust. As such, we address conspiracy theory detection as proposed by the ACTI @ EVALITA 2023 shared task. The combination of pre-trained sentence Transformer models and data augmentation techniques enabled us to secure first place in the final leaderboard of both sub-tasks. Our methodology attained F1 scores of 85.71% in the binary classification and 91.23% for the fine-grained conspiracy topic classification, surpassing other competing systems.
Abstract（参考訳）: 陰謀論は、情報整合性や社会的信頼への挑戦を招き、オンライン談話の目立った、そして関連する側面となっている。そこで我々は,acti @ evalita 2023 共有タスクによって提案された共謀理論の検出に対処した。事前訓練された文変換モデルとデータ拡張技術を組み合わせることで、両方のサブタスクの最終リーダーボードにおいて、第1位を確保できる。提案手法は,F1スコアが85.71%,F1スコアが91.23%,F1スコアが他の競合システムを上回った。

関連論文リスト

Classifying Conspiratorial Narratives At Scale: False Alarms and Erroneous Connections [4.594855794205588]
この研究は、陰謀論に関する議論を分類するための一般的なスキームを確立する。我々は、オンラインCTを分類するためのBERTベースのモデルをトレーニングするために、人間ラベル付き地上真実を利用する。本研究は,最も活発な陰謀に関するRedditフォーラムの投稿を用いた,最初の大規模分類研究である。
論文参考訳（メタデータ） (2024-03-29T20:29:12Z)
Mavericks at ArAIEval Shared Task: Towards a Safer Digital Space -- Transformer Ensemble Models Tackling Deception and Persuasion [0.0]
本稿では,各課題のタスク1-Aとタスク2-Aのアプローチについて述べる。タスクは、与えられたバイナリ分類問題に対して、ツイートとニュース記事のマルチジャンルスニペットを使用する。タスク1-A(8位)では0.742、タスク2-A(7位)では0.901のマイクロF1スコアを達成した。
論文参考訳（メタデータ） (2023-11-30T17:26:57Z)
Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。我々の手法は、最先端の手法をクリアマージンで上回る。
論文参考訳（メタデータ） (2023-07-16T16:32:14Z)
ACTI at EVALITA 2023: Overview of the Conspiracy Theory Identification Task [7.36947519345126]
ACTIチャレンジは、電報の補足的なチャンネルで公開されたコメントにのみ基づき、2つのサブタスクに分けられる。このタスクには合計15チームが参加し、81チームが参加した。本稿では,大規模言語モデルの活用をベースとした,最も優れた手法について説明する。
論文参考訳（メタデータ） (2023-07-12T20:33:30Z)
Adversarial Training with Complementary Labels: On the Benefit of Gradually Informative Attacks [119.38992029332883]
不完全な監督を伴う敵の訓練は重要であるが、注意は限られている。我々は、徐々に情報的攻撃を用いた新しい学習戦略を提案する。提案手法の有効性を,ベンチマークデータセットを用いて実証する実験を行った。
論文参考訳（メタデータ） (2022-11-01T04:26:45Z)
A Tale of HodgeRank and Spectral Method: Target Attack Against Rank Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文参考訳（メタデータ） (2022-09-13T05:59:02Z)
TransRank: Self-supervised Video Representation Learning via Ranking-based Transformation Recognition [73.7566539108205]
本稿では,RecogTransが意味的関連タスクと時間的関連下流タスクの両方において大きな可能性を観察する。ハードラベルの分類に基づいて、既存のRecogTransアプローチは事前トレーニングにおいてノイズの多い監視信号に悩まされる。この問題を緩和するために、ランク付け式における変換を認識する統一的なフレームワークであるTransRankを開発した。
論文参考訳（メタデータ） (2022-05-04T12:39:25Z)
Iwin: Human-Object Interaction Detection via Transformer with Irregular Windows [57.00864538284686]
Iwin Transformerは階層型トランスフォーマーで、不規則ウィンドウ内でトークン表現学習とトークン集約を行う。 Iwin Transformerの有効性と効率を,2つの標準HOI検出ベンチマークデータセットで検証した。
論文参考訳（メタデータ） (2022-03-20T12:04:50Z)
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)
Modelling Adversarial Noise for Adversarial Defense [96.56200586800219]
敵の防御は、通常、敵の音を除去したり、敵の頑強な目標モデルを訓練するために、敵の例を活用することに焦点を当てる。逆データと自然データの関係は、逆データからクリーンデータを推測し、最終的な正しい予測を得るのに役立ちます。本研究では, ラベル空間の遷移関係を学習するために, 逆方向の雑音をモデル化し, 逆方向の精度を向上させることを目的とした。
論文参考訳（メタデータ） (2021-09-21T01:13:26Z)
A transformer based approach for fighting COVID-19 fake news [0.8793721044482612]
新型コロナウイルスは人類が最も技術的に進歩した歴史上初のパンデミックだ。このウイルスに関する偽ニュースや誤報も人々に提供されており、いくつかの大きな問題を引き起こしている。本研究の課題は「Constraint@AAAI2021 - COVID19 Fake News Detection in English」である。
論文参考訳（メタデータ） (2021-01-28T14:43:42Z)

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。