APPDIA:一种用于攻击性社交媒体对话的基于Transformer的语篇感知风格迁移模型
计算与语言
2022-09-20 v1
摘要
使用风格迁移模型来降低社交媒体评论的攻击性有助于营造更具包容性的环境。然而,目前没有包含攻击性文本及其非攻击性对应文本的大规模数据集,并且用有限的标注数据微调预训练模型可能导致风格迁移后文本丢失原意。为解决此问题,我们提供两项主要贡献。首先,我们发布了首个公开可用的、由专家社会语言学家标注的攻击性Reddit评论及其风格迁移对应文本的平行语料库。然后,我们引入了首个语篇感知风格迁移模型,该模型能有效降低Reddit文本的攻击性同时保留原文本含义。这些模型首次在迁移攻击性Reddit文本风格时考察评论与其所回复文本之间的推理链接。我们提出两种将语篇关系与预训练Transformer模型集成的不同方法,并在我们的Reddit攻击性评论及其非攻击性对应文本数据集上评估它们。在自动指标和人工评估方面相对于基线的改进表明,与最先进的语篇无关模型相比,我们的语篇感知模型在风格迁移文本中更好地保留了含义。
引用
@article{arxiv.2209.08207,
title = {APPDIA: A Discourse-aware Transformer-based Style Transfer Model for Offensive Social Media Conversations},
author = {Katherine Atwell and Sabit Hassan and Malihe Alikhani},
journal= {arXiv preprint arXiv:2209.08207},
year = {2022}
}
备注
To be published in Proceedings of COLING 2022, the 29th International Conference on Computational Linguistics