文化指南针：利用文化特征预测冒犯性语言检测中迁移学习的成功
计算与语言
2024-09-04 v2
摘要
语言技术日益普及，迫切需要在机器学习领域转向考量文化多样性，尤其是对于高度依赖文化细微差别的主观任务，如冒犯性语言检测（OLD）。当前认知强调这些任务受文化价值观的显著影响，然而在判断文化特征能否准确预测此类主观任务的跨文化迁移学习成功方面仍存在明显空白。为此，我们的研究深入探讨了文化特征与迁移学习效果的交叉关系。研究结果表明，文化价值观调查确实对 OLD 任务中的跨文化迁移学习成功具有预测能力，且利用冒犯词距离可进一步提升该能力。基于这些结果，我们主张将文化信息整合进数据集中。此外，我们建议利用富含文化信息的数据源（如调查）来增强文化适应性。我们的研究标志着在向更具包容性、文化敏感的语言技术探索中迈出了一步。
引用
@article{arxiv.2310.06458,
title = {Cultural Compass: Predicting Transfer Learning Success in Offensive Language Detection with Cultural Features},
author = {Li Zhou and Antonia Karamolegkou and Wenyu Chen and Daniel Hershcovich},
journal= {arXiv preprint arXiv:2310.06458},
year = {2024}
}
备注
Findings of EMNLP 2023 (update)