MasonPerplexity 参与多模态仇恨言论事件检测 2024：使用 Transformer 集成的仇恨言论与目标检测
计算与语言
2024-02-20 v2
摘要
自动识别诸如仇恨言论之类的攻击性语言对于保持在线社区讨论的文明性非常重要。在多模态内容中识别仇恨言论是一项特别具有挑战性的任务，因为攻击性可以体现在文字或图像中，或两者的并置中。本文介绍了 MasonPerplexity 参加在 EACL 2024 上的 CASE 2024 多模态仇恨言论事件检测共享任务的提交。该任务分为两个子任务：子任务 A 专注于仇恨言论的识别，子任务 B 专注于政治事件期间内嵌文本图像中目标的识别。我们对子任务 A 使用 XLM-roBERTa-large 模型，对子任务 B 使用结合了 XLM-roBERTa-base、BERTweet-large 和 BERT-base 的集成方法。我们的方法在子任务 A 中获得了 0.8347 的 F1 分数，在子任务 B 中获得了 0.6741 的 F1 分数，在两个子任务上均排名第三。
关键词
引用
@article{arxiv.2402.01967,
title = {MasonPerplexity at Multimodal Hate Speech Event Detection 2024: Hate Speech and Target Detection Using Transformer Ensembles},
author = {Amrita Ganguly and Al Nahian Bin Emran and Sadiya Sayara Chowdhury Puspo and Md Nishat Raihan and Dhiman Goswami and Marcos Zampieri},
journal= {arXiv preprint arXiv:2402.01967},
year = {2024}
}