{Olga Vechtomova Hareesh Bahuleyan}

Abstract

Diese Arbeit beschreibt unser System für Subtask-A: SDQC im Rahmen von RumourEval, Aufgabe 8 des SemEval 2017. Die Erkennung von Gerüchten, insbesondere während sich ereignisbasierte Nachrichten in Echtzeit entwickeln, stellt eine herausfordernde Aufgabe dar, da in der Regel ausreichend Informationen über die konkreten Gerüchte, die sich auf sozialen Medien verbreiten, fehlen. Die Bestimmung der Haltung von Twitter-Nutzern gegenüber gerüchtartigen Nachrichten könnte eine indirekte Methode zur Identifizierung potenzieller Gerüchte darstellen. Der vorgeschlagene Ansatz nutzt themenunabhängige Merkmale aus zwei Kategorien – Cues-Features und nachrichtenspezifische Merkmale –, um einen Gradient Boosting-Klassifikator zu trainieren. Mit einer Genauigkeit von 0,78 erreichte unser System die zweitbeste Leistung bei Subtask-A des RumourEval-Wettbewerbs.