Humore@IITK在SemEval-2021任务7中的工作：用于量化幽默与冒犯性的大语言模型
计算与语言
2021-04-05 v1
摘要
幽默与冒犯因多义词、文化知识与语用能力而具有高度主观性。因此，准确检测幽默与冒犯性文本在推荐系统与个性化内容审核中具有若干引人注目的应用场景。然而，由于缺乏大规模标注数据集，该领域多数已有工作尚未探索用于主观幽默理解的大型神经网络模型。本文探讨了大型神经网络模型及其集成能否捕捉幽默/冒犯检测与评分相关的复杂性。我们在SemEval-2021任务7：HaHackathon上的实验表明，利用此类模型可以构建合理的幽默与冒犯检测系统。我们的模型在子任务1b中排名第三，并在其余子任务中稳定位居排行榜前33%左右。
引用
@article{arxiv.2104.00933,
title = {Humor@IITK at SemEval-2021 Task 7: Large Language Models for Quantifying Humor and Offensiveness},
author = {Aishwarya Gupta and Avik Pal and Bholeshwar Khurana and Lakshay Tyagi and Ashutosh Modi},
journal= {arXiv preprint arXiv:2104.00933},
year = {2021}
}
备注
Accepted at SemEval 2021 Task 7, 7 Pages (6 Pages main content + 2 pages for references)