SemEval 2019における文脈的情報検出タスクにおいて、学習データとテストデータ間のクラス分布の不一致を解消するため、既存のクラス不均衡問題に対する手法を拡張した複数の技術を提示する。予測分布と真値分布の距離を低減するこれらの手法は、一貫して性能向上に寄与することが示された。さらに、全文脈の表現および各発話ごとの表現を併用する新しいニューラルアーキテクチャを提案する。これらの手法とモデルの組み合わせにより、最終評価においてマイクロF1スコア約0.766を達成した。