Twitter上辱骂性语言检测的比较研究
计算与语言
2018-08-31 v1
摘要
在线攻击行为的语境依赖性使得标注大规模数据集合极为困难。先前在辱骂性语言检测中研究的数据集在规模上不足以高效训练深度学习模型。最近，Hate and Abusive Speech on Twitter这一规模更大且更可靠的数据集已被发布。然而，该数据集尚未被充分研究以发挥其潜力。在本文中，我们首次在Hate and Abusive Speech on Twitter上对各种学习模型进行了比较研究，并探讨了使用额外特征和上下文数据以改进的可能性。实验结果表明，在词级特征上训练并带有潜在主题聚类(Latent Topic Clustering)模块的双向GRU网络是最准确的模型，F1得分为0.805。
引用
@article{arxiv.1808.10245,
title = {Comparative Studies of Detecting Abusive Language on Twitter},
author = {Younghun Lee and Seunghyun Yoon and Kyomin Jung},
journal= {arXiv preprint arXiv:1808.10245},
year = {2018}
}
备注
ALW2: 2nd Workshop on Abusive Language Online to be held at EMNLP 2018 (Brussels, Belgium), October 31st, 2018