IUST_NLP 在 SemEval-2023 任务 10：基于 Transformer 与任务自适应预训练的可解释性别歧视检测
计算与语言
2023-05-12 v1
摘要
本文描述了我们在 SemEval-2023 任务 10：在线性别歧视的可解释检测（EDOS）上的系统。该工作旨在设计一个用于检测和分类在线空间中性别歧视内容的自动系统。我们提出了一组基于 transformer 的预训练模型，采用任务自适应预训练与集成学习。我们系统的主要贡献包括分析不同基于 transformer 的预训练模型的性能并组合这些模型，以及提供一种利用大量无标注数据进行模型自适应预训练的高效方法。我们还探索了几种其他策略。在测试数据集上，我们的系统在子任务 A、B 和 C 上分别取得了 83%、64% 和 47% 的 F1 分数。
引用
@article{arxiv.2305.06892,
title = {IUST_NLP at SemEval-2023 Task 10: Explainable Detecting Sexism with Transformers and Task-adaptive Pretraining},
author = {Hadiseh Mahmoudi},
journal= {arXiv preprint arXiv:2305.06892},
year = {2023}
}
备注
6 pages, 7 figures, Accepted at The 17th International Workshop on Semantic Evaluation, ACL 2023