从 Twitter 中识别攻击性帖子与针对性攻击
计算与语言
2019-04-22 v1
摘要
在本文中，我们介绍了针对 SemEval 2019 任务 6（识别与分类社交媒体中的攻击性语言）子任务 A 与子任务 B 的方法及系统描述。子任务 A 涉及识别给定推文是否具有攻击性，子任务 B 涉及检测攻击性推文是否针对某人（群体或个人）。我们的子任务 A 模型基于卷积神经网络、带注意力的双向 LSTM 以及双向 LSTM + 双向 GRU 的集成，而子任务 B 我们依赖于从训练数据与人工观察中导出的一组启发式规则。我们提供了对所训练模型所得结果的详细分析。我们的团队在子任务 A 的 103 个参与者中排名第 5，取得了 0.807 的宏 F1 分数，并在子任务 B 的 75 个参与者中排名第 8，取得了 0.695 的宏 F1。
引用
@article{arxiv.1904.09072,
title = {Identifying Offensive Posts and Targeted Offense from Twitter},
author = {Haimin Zhang and Debanjan Mahata and Simra Shahid and Laiba Mehnaz and Sarthak Anand and Yaman Singla and Rajiv Ratn Shah and Karan Uppal},
journal= {arXiv preprint arXiv:1904.09072},
year = {2019}
}