論文の概要: ArAIEval Shared Task: Persuasion Techniques and Disinformation Detection in Arabic Text

• arxiv url: http://arxiv.org/abs/2311.03179v1
• Date: Mon, 6 Nov 2023 15:21:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 14:01:03.791636
• Title: ArAIEval Shared Task: Persuasion Techniques and Disinformation Detection in Arabic Text
• Title（参考訳）: ArAIEval共有タスク:アラビア語テキストにおける説得技術と偽情報検出
• Authors: Maram Hasanain, Firoj Alam, Hamdy Mubarak, Samir Abdaljalil, Wajdi Zaghouani, Preslav Nakov, Giovanni Da San Martino, Abed Alhakim Freihat
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 41.3267575540348
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present an overview of the ArAIEval shared task, organized as part of the first ArabicNLP 2023 conference co-located with EMNLP 2023. ArAIEval offers two tasks over Arabic text: (i) persuasion technique detection, focusing on identifying persuasion techniques in tweets and news articles, and (ii) disinformation detection in binary and multiclass setups over tweets. A total of 20 teams participated in the final evaluation phase, with 14 and 16 teams participating in Tasks 1 and 2, respectively. Across both tasks, we observed that fine-tuning transformer models such as AraBERT was at the core of the majority of the participating systems. We provide a description of the task setup, including a description of the dataset construction and the evaluation setup. We further give a brief overview of the participating systems. All datasets and evaluation scripts from the shared task are released to the research community. (https://araieval.gitlab.io/) We hope this will enable further research on these important tasks in Arabic.
• Abstract（参考訳）: EMNLP 2023と共同で開催される最初のアラビアNLP 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はアラビア語のテキストに2つのタスクを提供します。 (i)説得技術の検出、ツイートやニュース記事における説得技術を特定すること、及び (ii)ツィート上の二進および多クラス設定における不正情報検出。 最終評価フェーズには合計20チームが参加し、それぞれ14チームと16チームがタスク1と2に参加した。 どちらのタスクも、AraBERTのような微調整トランスフォーマーモデルが、参加するシステムの大部分の中核にあることを観察した。 我々は、データセットの構築と評価設定の説明を含むタスク設定の説明を提供する。 さらに,参加するシステムの概要について概説する。 共有タスクからのデータセットと評価スクリプトはすべて、研究コミュニティにリリースされている。 (https://araieval.gitlab.io/) これはアラビア語におけるこれらの重要なタスクについて、さらなる研究を可能にすることを願っている。

関連論文リスト

• ArAIEval Shared Task: Propagandistic Techniques Detection in Unimodal and Multimodal Arabic Content [9.287041393988485]
  我々は、ACL 2024と共同で開催されるアラビア2024会議の一環として組織された、ArAIEval共有タスクの第2版の概要を示す。 この版では、(i)つぶやきやニュース記事の特定による宣伝的テキストスパンの検出、(ii)プロパガンダ主義と非プロパガンダ主義のミームを区別する2つのタスクが提供されている。 最終評価フェーズには14チームが参加し、それぞれ6チームと9チームがタスク1と2に参加した。
  論文  参考訳（メタデータ） (2024-07-05T04:28:46Z)
• 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)
• 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)
• BLP-2023 Task 2: Sentiment Analysis [7.725694295666573]
  本稿では,第1回BLP2023ワークショップの一環として編成されたBLP知覚共有タスクの概要を紹介する。 このタスクは、ソーシャルメディアのテキストの特定の部分における感情の検出として定義される。 本稿では,データセット開発と評価設定を含むタスク設定の詳細な説明を行う。
  論文  参考訳（メタデータ） (2023-10-24T21:00:41Z)
• Legend at ArAIEval Shared Task: Persuasion Technique Detection using a Language-Agnostic Text Representation Model [1.3506669466260708]
  本稿では,アラビアNLP 2023において,アラビアAIタスク評価チャレンジ(ArAIEval)への最高の成果を公表する。 タスク1は、ツイートやニュース記事からの抜粋における説得テクニックを特定することに焦点を当てました。 アラビア文字の説得法は,言語に依存しないテキスト表現モデルであるXLM-RoBERTaを用いて訓練ループを用いて検出された。
  論文  参考訳（メタデータ） (2023-10-14T20:27:04Z)
• ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich Document Images [198.35937007558078]
  大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。 トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。 提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
  論文  参考訳（メタデータ） (2023-06-05T22:20:52Z)
• SLUE Phase-2: A Benchmark Suite of Diverse Spoken Language Understanding Tasks [88.4408774253634]
  音声言語理解(SLU)タスクは、音声研究コミュニティで何十年にもわたって研究されてきた。 SLUタスクベンチマークはそれほど多くはなく、既存のベンチマークの多くは、すべての研究者が自由に利用できないデータを使っている。 最近の研究は、いくつかのタスクにそのようなベンチマークを導入し始めている。
  論文  参考訳（メタデータ） (2022-12-20T18:39:59Z)
• 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)
• IAM: A Comprehensive and Large-Scale Dataset for Integrated Argument Mining Tasks [59.457948080207174]
  本稿では,一連の議論マイニングタスクに適用可能なIAMという,包括的で大規模なデータセットを提案する。 データセットの70k近い文は、引数特性に基づいて完全に注釈付けされている。 議論準備プロセスに関連する2つの新しい統合された議論マイニングタスクを提案する。(1) 姿勢分類付きクレーム抽出(CESC)と(2) クレーム・エビデンス・ペア抽出(CEPE)である。
  論文  参考訳（メタデータ） (2022-03-23T08:07:32Z)
• AraBERT and Farasa Segmentation Based Approach For Sarcasm and Sentiment Detection in Arabic Tweets [0.0]
  サブタスクの1つは、あるアラビア語のツイートが本質的にサッカスティックであるかどうかを識別するシステムを開発することです。 もう1つは、アラビア語のツイートの感情を特定することを目的としている。 最終アプローチはSarcasmとSentiment Detectionのサブタスクでそれぞれ7位と4位にランクされた。
  論文  参考訳（メタデータ） (2021-03-02T12:33:50Z)

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。