BLP-2025任务1的梯度大师：用于巴贝克语的基于集成对抗训练的仇恨言论检测
计算与语言
2025-11-25 v1
摘要
本文介绍了用于BLP-2025任务1的“梯度大师”方法，即“孟加拉语言仇恨言论识别共享任务”。我们present了一种用于解决子任务1A（仇恨类型分类）和子任务1B（目标群体分类）的集成式微调策略，针对YouTube评论。我们提出了一种混合方法，针对巴贝克语语言模型，该模型超越了基线模型，在子任务1A上以73.23%的微F1分数获得第6名，在子任务1B上以73.28%获得第三名。我们进行了大量实验，评估了模型在开发和评估阶段的鲁棒性，包括与其他语言模型变体的比较，以衡量在低资源巴贝克语仇恨言论场景和数据集覆盖范围内的泛化能力。此外，我们提供了我们发现的详细分析，探讨了仇恨言论检测中误分类模式。
引用
@article{arxiv.2511.18324,
title = {Gradient Masters at BLP-2025 Task 1: Advancing Low-Resource NLP for Bengali using Ensemble-Based Adversarial Training for Hate Speech Detection},
author = {Syed Mohaiminul Hoque and Naimur Rahman and Md Sakhawat Hossain},
journal= {arXiv preprint arXiv:2511.18324},
year = {2025}
}
备注
6 pages, 2 figures, 4 tables. Accepted at the Second International Workshop on Bangla Language Processing (BLP-2025) co-located with AACL-IJCNLP 2025. Ranked 6th (Subtask 1A, 73.23% micro F1) and 3rd (Subtask 1B, 73.28% micro F1) on the official leaderboard