用于攻击性推文分类的双向循环模型
计算与语言
2019-03-22 v1
摘要
在本文中，我们提出了四种深度循环架构来解决攻击性推文检测的任务，并进一步将其分类为所针对的目标及该目标的对象。我们的架构基于 LSTM 和 GRU，我们提出了一个简单的双向 LSTM 作为基线系统，然后通过添加卷积层并实现以 LSTM 和 GRU 作为处理器的分割-处理-合并架构来进一步增加模型的复杂度。我们还研究了多种预处理技术。给出了每个模型在三个子任务上的验证 F1 分数结果，以及在私有竞赛测试集上的最终 F1 分数表现。我们发现模型复杂度并不一定带来更好的结果。我们表现最好的模型也是最简单的，一个双向 LSTM；紧随其后的是双分支双向 LSTM 和 GRU 架构。
引用
@article{arxiv.1903.08808,
title = {Bidirectional Recurrent Models for Offensive Tweet Classification},
author = {Aleix Cambray and Norbert Podsadowski},
journal= {arXiv preprint arXiv:1903.08808},
year = {2019}
}