AdamR 在 SemEval-2023 任务 10:用集成学习解决性别歧视检测中的类不平衡问题
计算与语言
2023-05-16 v1 人工智能
摘要
可解释在线性别歧视检测任务提出了通过性别歧视案例的细粒度分类进行可解释性别歧视检测的问题,包含三个子任务。我们的团队尝试了多种方法来应对各任务中的类不平衡问题,使用了数据增强与损失调整技术。我们利用在不同数据集上训练的 Transformer 模型集成来应对该挑战,并测试以寻找性能与可解释性之间的平衡。该方案使我们在每个赛道中均排名前 40% 的队伍。
引用
@article{arxiv.2305.08636,
title = {AdamR at SemEval-2023 Task 10: Solving the Class Imbalance Problem in Sexism Detection with Ensemble Learning},
author = {Adam Rydelek and Daryna Dementieva and Georg Groh},
journal= {arXiv preprint arXiv:2305.08636},
year = {2023}
}
备注
One of the top solutions at the SemEval-2023 task "The Explainable Detection of Online Sexism"