{Olga Vechtomova Hareesh Bahuleyan}

초록

이 논문은 SemEval 2017의 Task 8인 RumourEval에서의 하위과제 A(SDQC)를 위한 우리 시스템에 대해 설명한다. 특히 사회관계망서비스(SNS)에서 확산되는 루머에 대한 충분한 정보가 부족한 상황에서, 발생 중인 뉴스 사태에 대해 루머를 식별하는 것은 매우 도전적인 과제이다. 트위터 사용자들이 루머성 메시지에 대해 취하는 입장을 분석하는 것은 잠재적 루머를 간접적으로 식별하는 데 유용한 방법이 될 수 있다. 제안하는 방법은 주제에 독립적인 두 가지 유형의 특징—즉, 신호 특징(cue features)과 메시지 특화 특징(message-specific features)—을 활용하여 그래디언트 부스팅 분류기 모델을 학습한다. 본 시스템은 정확도 0.78를 달성하여 RumourEval 하위과제 A에서 두 번째로 높은 성능을 기록하였다.