基于神经框架的性别歧视叙述多标签分类
计算与语言
2019-11-19 v4
摘要
性别歧视是一种使妇女和女童遭受巨大苦难的不公现象，它以公然及微妙的方式显现。随着网络上性别歧视经历记录日益增多，对性别歧视叙述的自动分类有望帮助社会科学工作者与政策制定者更好地研究和应对性别歧视。现有的性别歧视分类工作（不同于性别歧视检测）在所用性别歧视类别和/或其是否可共存方面存在一定局限。据我们所知，这是首例针对任意种类性别歧视的多标签分类工作，并且我们贡献了用于性别歧视分类的最大数据集。我们开发了一种用于该多标签分类的神经解决方案，可通过包含循环组件与可选卷积组件的灵活分层架构，将使用 BERT 等模型获得的句子表示与分布式和语言学词嵌入相结合。此外，我们利用未标注的性别歧视叙述将领域特定要素注入我们的框架。所提出的最佳方法以可观的幅度优于若干深度学习及传统机器学习基线。
引用
@article{arxiv.1910.04602,
title = {Multi-label Categorization of Accounts of Sexism using a Neural Framework},
author = {Pulkit Parikh and Harika Abburi and Pinkesh Badjatiya and Radhika Krishnan and Niyati Chhaya and Manish Gupta and Vasudeva Varma},
journal= {arXiv preprint arXiv:1910.04602},
year = {2019}
}
备注
Accepted at 2019 Conference on Empirical Methods in Natural Language Processing (EMNLP - 2019)