ltp verifiability

用於檢查在線用戶評論的及時工程方法的比較

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

該存儲庫包含用於實驗，數據處理和數據分析的源代碼，作為我們2021 - 2022年在格羅寧根大學語言技術項目課程的課程項目的一部分。

數據

與數據集有關的所有文件都位於數據集文件夾中。我們將原始數據集文件轉換為HuggingFace數據集格式。所有數據集文件夾都包含原始數據集文件，一個分析筆記本和演示文件，顯示您如何使用數據集。

實驗

實驗的所有代碼都位於實驗文件夾中。有關如何重現實驗的信息可在該文件夾中的README中可用。

• 伯特（Devlin等，2019）
• GPT-Neo（Black等，2021）
• （i）寵物（Schick和Schütze，2021年）
• LM-BFF（Gao等，2021）
• 與羅伯塔的及時培訓（Liu等，2019）

結果

所有方法的結果都可以在結果文件夾中找到。有關結果的信息可在該文件夾中的README中找到。

---

參考

Black，S.，G。Leo，P。Wang，C。Leahy和S. Biderman（2021年3月）。 GPT-NEO：用網格濃度流進行大規模自回歸語言建模。 https://doi.org/105281/Zenodo.5297715。

Devlin，J.，M.-W。 Chang，K。Lee和K. Toutanova（2019年6月）。 BERT：深層雙向變壓器的培訓，以了解語言理解。在計算語言學協會北美分會2019年會議論文集：人類語言技術，第1卷（長篇小說和短篇論文） ，明尼蘇達州明尼蘇達州，明尼蘇達州，第4171-4186頁。計算語言學協會。

Gao，T.，A。Fisch和D. Chen（2021年，八月）。使預訓練的語言模型更好地學習者。在計算語言學協會和第11國際自然語言處理聯合會議（第1卷：長論文）的第59屆年會論文集，在線，第3816-3830頁。計算語言學協會。

Liu，Y.，M。Ott，N。Goyal，J。Du，M。Joshi，D。Chen，O。Levy，M。Lewis，L。Zettlemoyer和V. Stoyanov（2019）。羅伯塔（Roberta）：一種強大的優化BERT預處理方法。 CORR ABS/1907.11692 。

Park，J。和Cardie，C。（2014年）。在線用戶評論中確定對主張的適當支持。第一個關於論證挖掘的研討會論文集，第29-38頁。 https://doi.org/10/gg29gq

Schick，T。和H.Schütze（2021）。利用披肩問題來進行幾片文本分類和自然語言推斷。在計算語言學協會歐洲分會第16屆會議論文集：主要卷，在線，第255-269頁。計算語言學協會。