Absit invidia verbo：深度学习攻击性语言方法的比较
计算与语言
2019-03-26 v3
摘要
本文档描述了我们构建攻击性语言分类器的方法。更具体地，OffensEval 2019 竞赛要求我们构建三个目标略有不同的分类器：- 攻击性语言识别：将推文分类为攻击性或非攻击性。- 攻击类型自动归类：识别攻击目标是否为个体。- 攻击目标识别：在个体、群体或其他之间辨识攻击目标。本报告中，我们将讨论尝试过的不同架构、算法与预处理策略，并详细描述最终分类器的设计及我们择其而非他者的理由。我们在 OffensEval 2019 竞赛提供的官方测试集上评估了分类器，于任务 A 获得宏平均 F1 分数 0.7189，任务 B 0.6708，任务 C 0.5442。
引用
@article{arxiv.1903.05929,
title = {Absit invidia verbo: Comparing Deep Learning methods for offensive language},
author = {Silvia Sapora and Bogdan Lazarescu and Christo Lolov},
journal= {arXiv preprint arXiv:1903.05929},
year = {2019}
}