厘清是非：预测 Twitter 上的不健康对话
计算与语言
2023-11-20 v1 人工智能
摘要
社交媒体对话情境中的人身攻击常导致快速脱轨，引发更具危害性的交流。对此类对话脱轨进行检测的现有最优系统常采用深度学习方法进行预测。本文中，我们展示了基于注意力的 BERT 架构（在大型 Twitter 语料上预训练并针对本任务微调）在作出此类预测时高效且有效。该模型相较我们用作基线的现有 LSTM 模型在性能上具有明显优势。此外，我们表明，尤其在通过合成过采样技术缓解过拟合问题后，凭借在相对较小的新型数据集上微调即可获得这一出色性能。通过引入首个基于 Transformer 的 Twitter 对话事件预测模型，本工作为构建实用工具以鼓励这一最普适社交媒体平台上的更好互动奠定了基础。
引用
@article{arxiv.2311.10596,
title = {Hashing it Out: Predicting Unhealthy Conversations on Twitter},
author = {Steven Leung and Filippos Papapolyzos},
journal= {arXiv preprint arXiv:2311.10596},
year = {2023}
}
备注
7 pages, 3 figures, academic