Hater-O-Genius：基于胶囊网络的攻击性分类
计算与语言
2021-05-25 v1 机器学习
摘要
在社交媒体中应对仇恨言论是我们这个时代最具挑战性的社会问题之一。社交媒体中存在多种类型的反社会行为。其中首要的是攻击性行为，其正引发诸多社会问题，例如影响社交媒体用户的社会生活与心理健康。本文中，我们提出一种端到端基于集成的架构，以自动识别并分类攻击性推文。推文被分为三类——隐蔽攻击性、公开攻击性与非攻击性。所提架构由若干较小子网络集成而成，这些子网络能够有效刻画特征嵌入。我们从定性上展示每个较小子网络均能学习独特特征。我们的最佳模型为胶囊网络（Capsule Networks）的集成，在 Facebook 测试集上取得 65.2% 的 F1 分数，较 TRAC-2018 冠军性能提升 0.95%。代码与模型权重公开于 https://github.com/parthpatwa/Hater-O-Genius-Aggression-Classification-using-Capsule-Networks。
引用
@article{arxiv.2105.11219,
title = {Hater-O-Genius Aggression Classification using Capsule Networks},
author = {Parth Patwa and Srinivas PYKL and Amitava Das and Prerana Mukherjee and Viswanath Pulabaigari},
journal= {arXiv preprint arXiv:2105.11219},
year = {2021}
}
备注
Accepted at the 17th International Conference on Natural Language Processing (ICON 2020)