CL-UZH 在 SemEval-2023 任务 10：通过增量微调与带标签描述的多任务学习进行性别歧视检测
计算与语言
2023-06-07 v1 计算机与社会
摘要
社交媒体的广泛普及导致了仇恨性、辱骂性和性别歧视性语言的增多，从而推动了此类现象自动检测方法的发展。SemEval 共享任务“迈向可解释的在线性别歧视检测”（EDOS 2023）的目标是检测英文社交媒体帖子中的性别歧视（子任务 A），并将此类帖子分类为四个粗粒度性别歧视类别（子任务 B）和十一个细粒度子类别（子任务 C）。在本文中，我们展示了为全部三个子任务提交的基于多任务模型的系统，该模型在针对特定 EDOS 子任务进行微调之前，已在一组相关任务和数据集上进行了微调。我们通过将每个任务表述为二元成对文本分类来实现多任务学习，其中数据集和标签描述与输入文本一并给出。结果显示，相较于作为基线的微调 DeBERTa-V3，该方法有显著改进，在子任务 A 中取得 85.9% 的 分数（排名 13/84），子任务 B 中 64.8%（排名 19/69），子任务 C 中 44.9%（26/63）。
引用
@article{arxiv.2306.03907,
title = {CL-UZH at SemEval-2023 Task 10: Sexism Detection through Incremental Fine-Tuning and Multi-Task Learning with Label Descriptions},
author = {Janis Goldzycher},
journal= {arXiv preprint arXiv:2306.03907},
year = {2023}
}
备注
11 pages, 4 figures, Accepted at The 17th International Workshop on Semantic Evaluation, ACL 2023