AlexU-AIC在阿拉伯语仇恨言论2022评测中的方法：对比以分类
计算与语言
2022-07-19 v1 人工智能
摘要
在Facebook和Twitter等社交媒体平台上的在线存在已成为互联网用户的日常习惯。尽管这些平台为用户提供了大量服务，但用户遭受网络欺凌，这进一步导致精神虐待，并可能升级为对个人或目标群体的身体伤害。本文中，我们使用相关的阿拉伯语Twitter数据集，介绍我们提交给阿拉伯语仇恨言论2022共享任务研讨会(OSACT5 2022)的工作。该共享任务包含3个子任务：子任务A聚焦于检测推文是否具有攻击性；然后，对于攻击性推文，子任务B聚焦于检测其是否为仇恨言论；最后，对于仇恨言论推文，子任务C聚焦于在六个不同类别中检测细粒度的仇恨言论类型。Transformer模型已在分类任务中证明其高效性，但在小规模或不平衡数据集上微调时存在过拟合问题。我们通过研究多种训练范式克服了这一限制，例如对比学习和多任务学习，结合分类微调以及我们前5名模型的集成。我们提出的方案在子任务A、B和C中分别取得了0.841、0.817和0.476的宏F1平均值。
引用
@article{arxiv.2207.08557,
title = {AlexU-AIC at Arabic Hate Speech 2022: Contrast to Classify},
author = {Ahmad Shapiro and Ayman Khalafallah and Marwan Torki},
journal= {arXiv preprint arXiv:2207.08557},
year = {2022}
}