基于监督对比学习的跨平台与跨领域滥用语言检测
计算与语言
2022-11-15 v1 机器学习
摘要
不同在线平台上滥用语言的盛行已成为一个主要问题，催生了对自动化跨平台滥用语言检测的需求。然而，先前工作侧重于拼接多平台数据，本质上采用了经验风险最小化（ERM）方法。本工作中，我们从域泛化目标的角度应对该挑战。我们设计了 SCL-Fish，一种集成监督对比学习的元学习算法，用于检测未见平台上的滥用语言。实验分析表明，SCL-Fish 优于 ERM 和现有最先进（state-of-the-art）模型。我们还表明 SCL-Fish 具有数据高效性，并在针对滥用语言检测任务微调后与大规模预训练模型取得相当性能。
引用
@article{arxiv.2211.06452,
title = {Cross-Platform and Cross-Domain Abusive Language Detection with Supervised Contrastive Learning},
author = {Md Tawkat Islam Khondaker and Muhammad Abdul-Mageed and Laks V. S. Lakshmanan},
journal= {arXiv preprint arXiv:2211.06452},
year = {2022}
}