ltp verifiability

用于检查在线用户评论的及时工程方法的比较

MD Zobaer Hossain，Linfei Zhang，Robert Van Timmeren和Ramon Meffert，2022年6月

该存储库包含用于实验，数据处理和数据分析的源代码，作为我们2021 - 2022年在格罗宁根大学语言技术项目课程的课程项目的一部分。

数据

与数据集有关的所有文件都位于数据集文件夹中。我们将原始数据集文件转换为HuggingFace数据集格式。所有数据集文件夹都包含原始数据集文件，一个分析笔记本和演示文件，显示您如何使用数据集。

实验

实验的所有代码都位于实验文件夹中。有关如何重现实验的信息可在该文件夹中的README中可用。

• 伯特（Devlin等，2019）
• GPT-Neo（Black等，2021）
• （i）宠物（Schick和Schütze，2021年）
• LM-BFF（Gao等，2021）
• 与罗伯塔的及时培训（Liu等，2019）

结果

所有方法的结果都可以在结果文件夹中找到。有关结果的信息可在该文件夹中的README中找到。

---

参考

Black，S.，G。Leo，P。Wang，C。Leahy和S. Biderman（2021年3月）。 GPT-NEO：用网格浓度流进行大规模自回归语言建模。 https://doi.org/105281/Zenodo.5297715。

Devlin，J.，M.-W。 Chang，K。Lee和K. Toutanova（2019年6月）。 BERT：深层双向变压器的培训，以了解语言理解。在计算语言学协会北美分会2019年会议论文集：人类语言技术，第1卷（长篇小说和短篇论文） ，明尼苏达州明尼苏达州，明尼苏达州，第4171-4186页。计算语言学协会。

Gao，T.，A。Fisch和D. Chen（2021年，八月）。使预训练的语言模型更好地学习者。在计算语言学协会和第11国际自然语言处理联合会议（第1卷：长论文）的第59届年会论文集，在线，第3816-3830页。计算语言学协会。

Liu，Y.，M。Ott，N。Goyal，J。Du，M。Joshi，D。Chen，O。Levy，M。Lewis，L。Zettlemoyer和V. Stoyanov（2019）。罗伯塔（Roberta）：一种强大的优化BERT预处理方法。 CORR ABS/1907.11692 。

Park，J。和Cardie，C。（2014年）。在线用户评论中确定对主张的适当支持。第一个关于论证挖掘的研讨会论文集，第29-38页。 https://doi.org/10/gg29gq

Schick，T。和H.Schütze（2021）。利用披肩问题来进行几片文本分类和自然语言推断。在计算语言学协会欧洲分会第16届会议论文集：主要卷，在线，第255-269页。计算语言学协会。