本文研究了新闻中的宣传手段(propaganda)检测。和之前仅仅从训练数据中的输入-输出数据中进行学习不同,本文进一步提出了一种方法在细粒度的宣传手段检测中引入了声明性知识(declarative knowledge)。具体来说,本文同时利用了一阶逻辑和自然语言文本中的声明性知识。前者是指粗粒度预测和细粒度预测之间的逻辑一致性,通过布尔表达式来对训练过程进行正则化。后者指每一种宣传手段的定义,它被利用于获得这一类宣传手段的特征表示,从而对模型参数进行正则化。本文在“Propaganda Techniques Corpus (PTC)”数据集上进行实验,它是一个大规模的人工标注的数据集,用于细粒度的宣传手段检测。实验结果表明,本文提出的模型取得了优异的性能,验证了利用声明性知识可以帮助模型进行更准确的预测。

https://www.zhuanzhi.ai/paper/69553c6775073b80179e52ebb4e90ce9

成为VIP会员查看完整内容
12

相关内容

近期必读的六篇 EMNLP 2020【知识图谱】相关论文和代码
专知会员服务
41+阅读 · 2020年11月10日
专知会员服务
26+阅读 · 2020年11月5日
专知会员服务
47+阅读 · 2020年10月20日
最新《知识驱动的文本生成》综述论文,44页pdf
专知会员服务
76+阅读 · 2020年10月13日
【EMNLP2020-清华】基于常识知识图谱的多跳推理语言生成
专知会员服务
73+阅读 · 2020年9月25日
【IJCAI2020南大】上下文在神经机器翻译中的充分利用
专知会员服务
15+阅读 · 2020年8月17日
CVPR 2020 | 细粒度文本视频跨模态检索
AI科技评论
17+阅读 · 2020年3月24日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
Arxiv
6+阅读 · 2019年8月22日
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
5+阅读 · 2018年5月28日
Arxiv
3+阅读 · 2018年3月28日
Arxiv
4+阅读 · 2018年1月29日
VIP会员
相关VIP内容
近期必读的六篇 EMNLP 2020【知识图谱】相关论文和代码
专知会员服务
41+阅读 · 2020年11月10日
专知会员服务
26+阅读 · 2020年11月5日
专知会员服务
47+阅读 · 2020年10月20日
最新《知识驱动的文本生成》综述论文,44页pdf
专知会员服务
76+阅读 · 2020年10月13日
【EMNLP2020-清华】基于常识知识图谱的多跳推理语言生成
专知会员服务
73+阅读 · 2020年9月25日
【IJCAI2020南大】上下文在神经机器翻译中的充分利用
专知会员服务
15+阅读 · 2020年8月17日
微信扫码咨询专知VIP会员