CPL-NoViD：面向在线社区规范违规检测的上下文感知提示学习
计算与语言
2024-04-18 v3 社会与信息网络
摘要
检测在线社区中的规范违规对于维护健康安全的在线讨论空间至关重要。现有的机器学习方法由于针对此类特定上下文任务微调模型的固有挑战，往往难以适应不同社区间多样的规则与解释。在本文中，我们提出上下文感知提示学习用于规范违规检测 (CPL-NoViD)，一种采用提示学习来检测各类规则下规范违规的新方法。CPL-NoViD 通过自然语言提示融入上下文，优于基线方法，并在不同规则类型上展现出提升的性能。值得注意的是，它不仅在跨规则类型和跨社区的规范违规检测中表现出色，还在少样本学习场景中展现出适应性。最为突出的是，它确立了规范违规检测的新 state-of-the-art，超越了现有基准。我们的工作凸显了提示学习在上下文敏感规范违规检测中的潜力，并为未来研究更具适应性、上下文感知的模型以更好地支持在线社区管理员铺平了道路。
引用
@article{arxiv.2305.09846,
title = {CPL-NoViD: Context-Aware Prompt-based Learning for Norm Violation Detection in Online Communities},
author = {Zihao He and Jonathan May and Kristina Lerman},
journal= {arXiv preprint arXiv:2305.09846},
year = {2024}
}