Turing à SemEval-2017 Tâche 8 : Approche séquentielle pour la classification de l’attitude face aux rumeurs avec Branch-LSTM

Ce document décrit la soumission de l'équipe Turing à SemEval 2017 RumourEval : Détermination de la véracité des rumeurs et soutien aux rumeurs (SemEval 2017 Tâche 8, Sous-tâche A). La Sous-tâche A aborde le défi de la classification de l'attitude face aux rumeurs, qui consiste à identifier l'attitude des utilisateurs de Twitter envers la véridicité des rumeurs qu'ils discutent. La classification de l'attitude est considérée comme une étape importante vers la vérification des rumeurs ; une bonne performance dans cette tâche est donc attendue pour être utile dans la dénonciation des fausses rumeurs. Dans ce travail, nous classifions un ensemble de publications Twitter discutant de rumeurs en soutenant, niant, questionnant ou commentant les rumeurs sous-jacentes. Nous proposons un modèle séquentiel basé sur LSTM (Long Short-Term Memory) qui, en modélisant la structure conversationnelle des tweets, atteint une précision de 0,784 sur l'ensemble de test RumourEval, surpassant tous les autres systèmes dans la Sous-tâche A.