HBert + BiasCorp——在网络上对抗种族主义
计算与语言
2021-11-02 v3
摘要
微妙与公然的种族主义在当今现实与网络社群中依然存在，并影响了社会不同群体中许多人的生活。在这篇简短的工作中，我们展示了如何运用自然语言处理来应对这一社会问题。我们发布了 BiasCorp，一个包含来自三个特定来源——Fox News、BreitbartNews 和 YouTube 的 139,090 条评论与新闻片段的数据集。首批（45,000 条人工标注）已可发布。我们目前正使用 Amazon Mechanical Turk 对剩余数据集进行人工标注的最后阶段。BERT 已被广泛用于多项下游任务。在本工作中，我们提出 hBERT，其中我们用新的 Hopfield Layer 修改了预训练 BERT 模型的某些层。hBERT 在不同分布上泛化良好，并具有模型复杂度降低的额外优势。我们还发布了一个 JavaScript 库和一个 Chrome 扩展应用，分别帮助开发者在 Web 应用（如聊天应用）中使用我们的训练模型，以及帮助用户识别并举报网络上的种族偏见内容。
引用
@article{arxiv.2104.02242,
title = {HBert + BiasCorp -- Fighting Racism on the Web},
author = {Olawale Onabola and Zhuang Ma and Yang Xie and Benjamin Akera and Abdulrahman Ibraheem and Jia Xue and Dianbo Liu and Yoshua Bengio},
journal= {arXiv preprint arXiv:2104.02242},
year = {2021}
}