达罗毗荼语言中恐同与恐跨内容的检测：探索深度学习方法
计算与语言
2023-04-05 v1 机器学习
摘要
在线社交媒体平台上滥用内容的增加正在影响在线用户的社交生活。攻击性和仇恨言论的使用使社交媒体变得有毒。恐同和恐跨构成针对 LGBT+ 群体的攻击性评论。及时标记或警告从事此类行为的用户变得必不可少。然而，此类内容的自动检测是一项具有挑战性的任务，在被视为低资源语言的达罗毗荼语言中更是如此。受此驱动，本文尝试探索不同深度学习模型对于马来语（Malayalam）和泰米尔语（Tamil）社交媒体评论分类为恐同、恐跨和非反 LGBT+ 内容的适用性。将常用的深度学习模型——卷积神经网络（CNN）、使用 GloVe 嵌入的长短期记忆网络（LSTM）以及基于 transformer 的学习模型（多语言 BERT 和 IndicBERT）应用于该分类问题。所得结果显示 IndicBERT 优于其他已实现的模型，在马来语和泰米尔语上分别获得了 0.86 和 0.77 的加权平均 F1 分数。因此，本工作证实了 IndicBERT 在给定达罗毗荼语言任务上的更优性能。
引用
@article{arxiv.2304.01241,
title = {Detection of Homophobia & Transphobia in Dravidian Languages: Exploring Deep Learning Methods},
author = {Deepawali Sharma and Vedika Gupta and Vivek Kumar Singh},
journal= {arXiv preprint arXiv:2304.01241},
year = {2023}
}