如何利用已有数据进行少样本滥用内容检测

由于社交媒体平台种类繁多，滥用语言检测系统的需求多样且不断变化。已创建大量具有不同属性与标签集的标注语料库，如仇恨或厌女检测，但滥用言论的形式与目标持续演化。由于新语料标注成本高昂，本工作利用已有的、覆盖与滥用语言检测相关广泛任务的数据集。我们的目标是以仅用目标域少量训练样本，为新的目标标签集和/或语言廉价地构建模型。我们提出两步法：首先以多任务方式训练模型，随后对目标需求进行少样本适配。实验表明，使用已有数据集及目标任务仅少量样本，模型性能在单语与跨语言下均提升。分析还显示，我们的模型获得对滥用语言的通用理解，因其提升仅存于目标数据集的标签预测，并可受益于未直接用于目标任务的标签知识。