FBERT：一种用于识别攻击性内容的神经 Transformer
计算与语言
2021-09-14 v1 人工智能
机器学习
社会与信息网络
摘要
基于Transformer的模型如BERT、XLNET和XLM-R已在包括社交媒体中重要的攻击性语言与仇恨言论识别在内的各项NLP任务上取得最先进性能。在本文中，我们提出fBERT，一个在SOLID上重新训练的BERT模型，SOLID是现有最大的英语攻击性语言识别语料库，包含超过百万个攻击性实例。我们在多个英语数据集上评估fBERT识别攻击性内容的性能，并测试了从SOLID选取实例的若干阈值。fBERT模型将免费向社区提供。
引用
@article{arxiv.2109.05074,
title = {FBERT: A Neural Transformer for Identifying Offensive Content},
author = {Diptanu Sarkar and Marcos Zampieri and Tharindu Ranasinghe and Alexander Ororbia},
journal= {arXiv preprint arXiv:2109.05074},
year = {2021}
}
备注
Accepted to EMNLP Findings