Este documento está disponible en arxiv bajo licencia CC BY-NC-SA 4.0 DEED.   Autores:  (1) Cristina España-Bonet, DFKI GmbH, Campus de Informática del Sarre.  Tabla de enlaces   Resumen e introducción   Compilación de corpus   Clasificación de postura política   Resumen y conclusiones   Declaración de limitaciones y ética   Agradecimientos y Referencias   A. Periódicos en OSCAR 22.01   B. Temas   C. Distribución de Temas por Periódico   D. Temas para la generación de artículos ChatGPT y Bard   E. Clasificación de posturas a nivel de artículo   F. Detalles de la capacitación  F. Detalles de la capacitación  Clasificador F.1 L/R  Ajustamos XLM-RoBERTa grande (Conneau et al., 2020) para la clasificación L frente a R como se esquematiza en la Figura 1. Nuestro clasificador es una pequeña red encima de RoBERTa que primero realiza el abandono con probabilidad de 0,1 en el token [CLS] de RoBERTa. seguido de una capa lineal y un tanh. Pasamos a través de otra capa de abandono con probabilidad de 0,1 y una capa lineal final se proyecta en las dos clases. Toda la arquitectura está afinada.   Usamos una pérdida de entropía cruzada, un optimizador AdamW y una tasa de aprendizaje que disminuye linealmente. Ajustamos el tamaño del lote, la tasa de aprendizaje, el período de calentamiento y el número de épocas. Los mejores valores por idioma y modelo se resumen en la Tabla 12.   Todos los entrenamientos se realizan utilizando una única GPU NVIDIA Tesla V100 Volta con 32 GB.  F.2 Modelado de temas  Usamos Mallet (McCallum, 2002) para realizar LDA en el corpus después de eliminar las palabras vacías, con la opción de optimización de hiperparámetros activada y realizada cada 10 iteraciones. Otros parámetros son los predeterminados. Hacemos una tirada por idioma con 10 temas y otra tirada con 15 temas. Etiquetamos el corpus con ambas etiquetas.

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

MediaBias.TECH

We publish deeply researched (and often vastly underread) academic papers about our collective omnipresent media bias.

MediaBias's

Este audio es producido en el idioma original de la historia!

Clasificación multilingüe de posturas políticas generales de los medios: detalles de la capacitación

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps