利用情感双向 Transformer 进行冒犯性语言检测
计算与语言
2020-06-03 v1
摘要
社交媒体在生活中无处不在，这使得通过检测和移除冒犯性及仇恨言论来确保在线安全体验成为必要。在本工作中，我们报告了向第四届开源阿拉伯语语料库与处理工具研讨会（OSACT4）组织的冒犯性语言与仇恨言论检测共享任务提交的系统。我们专注于开发纯深度学习系统，无需特征工程。为此，我们开发了一种有效的自动数据增强方法，并展示了在预训练情感模型（即情感和情绪模型）基础上微调来训练冒犯言论和仇恨言论模型的效用。我们最佳的模型显著优于原始 BERT 模型，在官方测试数据上，仇恨言论的准确率为 89.60%（宏平均 F1 为 82.31%），冒犯言论的准确率为 95.20%（宏平均 F1 为 70.51%）。
引用
@article{arxiv.2006.01266,
title = {Leveraging Affective Bidirectional Transformers for Offensive Language Detection},
author = {AbdelRahim Elmadany and Chiyu Zhang and Muhammad Abdul-Mageed and Azadeh Hashemi},
journal= {arXiv preprint arXiv:2006.01266},
year = {2020}
}