AMS_ADRN at SemEval-2022 Task 5：面向多任务厌女症识别的合适图文多模态联合建模方法
计算与语言
2022-04-21 v2
摘要
女性在网络中具有影响力，尤其是在 Twitter 和 Instagram 等基于图像的社交媒体中。然而，网络环境中的许多内容包含性别歧视和攻击性信息，这放大了性别刻板印象和性别不平等。因此，过滤性别歧视等非法内容对于维护健康的社交网络环境至关重要。本文描述了我们团队为 SemEval-2022 Task 5：多媒体自动厌女症识别（Multimedia Automatic Misogyny Identification）开发的系统。更具体地说，我们引入了两个新颖的系统来分析这些帖子：一个是结合 Bertweet 进行文本编码与 ResNet-18 进行图像表示的多模态多任务学习架构，另一个是结合来自 BERT-Embeddings 的文本嵌入与来自 EfficientNet 和 ResNet 等几个不同模块的图像嵌入的单流 Transformer 结构。通过这种方式，我们表明其背后的信息可以被恰当地揭示。我们的方法在当前竞赛的两个子任务上均取得了良好的性能，在子任务 A 中排名第 15（0.746 宏 F1 分数），在子任务 B 中排名第 11（0.706 宏 F1 分数），并且大幅超过了官方基线结果。
引用
@article{arxiv.2202.09099,
title = {AMS_ADRN at SemEval-2022 Task 5: A Suitable Image-text Multimodal Joint Modeling Method for Multi-task Misogyny Identification},
author = {Da Li and Ming Yi and Yukai He},
journal= {arXiv preprint arXiv:2202.09099},
year = {2022}
}