Hypers团队在ComMA@ICON上的工作：攻击性、性别偏见与社群偏见识别建模
计算与语言
2022-01-14 v4
摘要
由于社交媒体的覆盖范围呈指数级增长，关注其负面效应至关重要，因为它可能分裂社会并煽动暴力。本文给出我们在共享任务 ComMA@ICON 上的系统描述，该任务要求对句子的攻击性程度进行分类，并判断句子是否存在性别偏见或社群偏见。这三者可能是引发社会重大问题的主因。作为 Hypers 团队，我们提出了一种利用不同预训练模型结合 Attention 与均值池化方法的方法。我们在孟加拉语上以 0.223 的 Instance F1 得分获得第3名，在多语言集上以 0.322 的 Instance F1 得分获得第2名，在 Meitei 语上以 0.129 的 Instance F1 得分获得第4名，在印地语上以 0.336 的 Instance F1 得分获得第5名。本工作的源代码与预训练模型可在此处找到。
引用
@article{arxiv.2112.15417,
title = {Hypers at ComMA@ICON: Modelling Aggressiveness, Gender Bias and Communal Bias Identification},
author = {Sean Benhur and Roshan Nayak and Kanchana Sivanraju and Adeep Hande and Subalalitha Chinnaudayar Navaneethakrishnan and Ruba Priyadharshini and Bharathi Raja Chakravarthi},
journal= {arXiv preprint arXiv:2112.15417},
year = {2022}
}
备注
5 pages