BEIKE NLP在SemEval-2022任务4上的工作：基于提示的段落分类用于 patronizing 和 condescending 语言检测
计算与语言
2022-08-03 v1
摘要
PCL检测任务旨在识别和分类通用媒体中对弱势社区表现出的patronizing或condescending语言。与其他段落分类的NLP任务相比，PCL检测任务中呈现的负面语言通常更隐晦和微妙而难以识别，使得常见文本分类方法的性能不尽如人意。针对SemEval-2022任务4中的PCL检测问题，本文介绍了我们团队的解决方案，该方案利用了基于提示的学习在段落分类上的能力。我们将任务重新表述为合适的完形填空提示，并使用预训练的掩码语言模型来填充完形填空槽位。对于二分类和多标签分类两个子任务，采用DeBERTa模型并微调以预测特定任务提示的掩码标签词。在评估数据集上，二分类我们的方法取得了0.6406的F1分数；多标签分类我们的方法取得了0.4689的宏F1分数并在排行榜中排名第一。
引用
@article{arxiv.2208.01312,
title = {BEIKE NLP at SemEval-2022 Task 4: Prompt-Based Paragraph Classification for Patronizing and Condescending Language Detection},
author = {Yong Deng and Chenxiao Dou and Liangyu Chen and Deqiang Miao and Xianghui Sun and Baochang Ma and Xiangang Li},
journal= {arXiv preprint arXiv:2208.01312},
year = {2022}
}