Detail publikace
KInITVeraAI at SemEval-2023 Task 3: Simple yet Powerful Multilingual Fine-Tuning for Persuasion Techniques Detection
multilingual persuasion technique detection, fine-tuning, SemEval
Tento článok predstavuje najlepšie výsledky riešenia úlohy 3 na SemEval 2023 zameranej na podúlohu 3 venovanú detekcii techník presviedčania. Vzhľadom na vysoký multijazyčný charakter vstupných dát a veľký počet 23 predpovedaných štítkov (čo spôsobuje nedostatok označených dát pre niektoré kombinácie jazyka a štítku), sme sa rozhodli pre doladenie predtrénovaných modelov jazyka založených na transformátoroch. Pri vykonávaní viacerých experimentov sme našli najlepšiu konfiguráciu, ktorá pozostáva z veľkého multijazyčného modelu (XLM-RoBERTa large), ktorý je školený spoločne na všetkých vstupných dátach, s dôkladne kalibrovanými prahmi istoty pre viditeľné a prekvapujúce jazyky samostatne. Náš konečný systém sa najlepšie osvedčil na 6 zo 9 jazykov (vrátane dvoch prekvapujúcich jazykov) a dosiahol vysoko konkurencieschopné výsledky na zbývajúcich troch jazykoch.
@inproceedings{BUT185334,
author="HROMÁDKA, T. and SMOLEŇ, T. and REMIŠ, T. and PECHER, B. and SRBA, I.",
title="KInITVeraAI at SemEval-2023 Task 3: Simple yet Powerful Multilingual Fine-Tuning for Persuasion Techniques Detection",
booktitle="17th International Workshop on Semantic Evaluation, SemEval 2023 - Proceedings of the Workshop",
year="2023",
pages="629--637",
publisher="Association for Computational Linguistics",
address="Toronto",
doi="10.18653/v1/2023.semeval-1.86",
isbn="978-1-959429-99-9",
url="https://aclanthology.org/2023.semeval-1.86/"
}