Turing bei SemEval-2017 Task 8: Sequenzieller Ansatz zur Gerüchtehaltigkeitsklassifizierung mit Branch-LSTM

Dieses Papier beschreibt die Einreichung des Teams Turing für SemEval 2017 RumourEval: Bestimmung der Gerüchteverifizität und Unterstützung von Gerüchten (SemEval 2017 Aufgabe 8, Teil-Aufgabe A). Teil-Aufgabe A greift die Herausforderung der Gerüchtestellungsklassifikation auf, die darin besteht, die Einstellung von Twitter-Nutzern zur Wahrheit der von ihnen diskutierten Gerüchte zu identifizieren. Die Stellungsklassifikation wird als wichtiger Schritt zur Verifizierung von Gerüchten angesehen, daher ist eine gute Leistung in dieser Aufgabe für das Debunking falscher Gerüchte hilfreich. In dieser Arbeit klassifizieren wir eine Reihe von Twitter-Beiträgen, die sich mit Gerüchten befassen, in unterstützend, leugnend, fragend oder kommentierend bezogen auf die zugrunde liegenden Gerüchte. Wir schlagen ein sequentielles Modell basierend auf Long Short-Term Memory (LSTM) vor, das durch die Modellierung der konversationellen Struktur der Tweets eine Genauigkeit von 0,784 auf dem RumourEval-Testset erreicht und alle anderen Systeme in Teil-Aufgabe A übertrifft.