AngryBERT:联合学习目标与情感用于仇恨言论检测
计算与语言
2021-03-23 v1 社会与信息网络
摘要
社交媒体中的自动仇恨言论检测是一项具有挑战性的任务,近期在数据挖掘与自然语言处理社区中获得了显著关注。然而,大多数现有方法采用依赖标注仇恨言论数据集的监督方法,这些数据集不平衡且常缺乏仇恨内容的训练样本。本文通过提出一种基于多任务学习的新模型 AngryBERT 来弥补研究空白,该模型将仇恨言论检测与作为次要相关任务的情感分类和目标识别联合学习。我们进行了充分实验以扩充三个常用仇恨言论检测数据集。实验结果表明,AngryBERT 优于最先进的单任务学习和多任务学习基线。我们进行消融研究与案例研究,以实证考察 AngryBERT 模型的优势与特性,并表明次要任务能够改进仇恨言论检测。
引用
@article{arxiv.2103.11800,
title = {AngryBERT: Joint Learning Target and Emotion for Hate Speech Detection},
author = {Md Rabiul Awal and Rui Cao and Roy Ka-Wei Lee and Sandra Mitrovic},
journal= {arXiv preprint arXiv:2103.11800},
year = {2021}
}
备注
Paper Accepted for 25th Pacific-Asia Conference on Knowledge Discovery and Data Mining