Ghmerti在SemEval-2019任务6上的表现：一种基于深层词级与字符级的攻击性语言识别方法
计算与语言
2020-09-24 v1
摘要
本文介绍了Ghmerti团队为SemEval 2019上OffensEval共享任务的子任务A和B所提交的模型。OffensEval致力于解决社交媒体中攻击性语言的识别与分类问题，包含三个子任务：内容是否具有攻击性（子任务A）、是否针对个体、群体或其他实体（子任务B、C）。所提出的方法包括字符级卷积神经网络、词级循环神经网络以及一些预处理。所提模型在子任务A上取得的性能为77.93%的宏平均F1分数。
引用
@article{arxiv.2009.10792,
title = {Ghmerti at SemEval-2019 Task 6: A Deep Word- and Character-based Approach to Offensive Language Identification},
author = {Ehsan Doostmohammadi and Hossein Sameti and Ali Saffar},
journal= {arXiv preprint arXiv:2009.10792},
year = {2020}
}