基于对抗多任务学习联合文本规范化的攻击性语言检测
计算与语言
2020-09-22 v1
摘要
攻击性语言检测（ALD）即检测文本中的辱骂性和攻击性语言，是 NLP 社区的关键应用之一。大多数现有工作将 ALD 视为使用神经模型的常规分类，而忽略了社交媒体文本固有的冲突——它们非常不规范且不规则。在这项工作中，我们通过对抗多任务学习框架联合执行文本规范化（TN）来改进 ALD。用于 ALD 和 TN 的私有编码器分别专注于特定任务特征的提取，而共享编码器学习两个任务底层的共同特征。在对抗训练期间，任务判别器区分 ALD 或 TN 的分离学习。在四个 ALD 数据集上的实验结果表明，我们的模型在不同设置下大幅优于所有基线，证明了联合学习 TN 与 ALD 的必要性。为进一步理解我们的方法进行了进一步分析。
引用
@article{arxiv.2009.09174,
title = {Aggressive Language Detection with Joint Text Normalization via Adversarial Multi-task Learning},
author = {Shengqiong Wu and Hao Fei and Donghong Ji},
journal= {arXiv preprint arXiv:2009.09174},
year = {2020}
}
备注
accepted at NLPCC2020