NJUST-KMG 参与 TRAC-2024 任务 1 和 2：线下伤害潜在性识别
计算与语言
2024-04-02 v2 机器学习
摘要
本报告详细描述了我们在 TRAC-2024 线下伤害潜在性识别中提出的方法，该任务包含两个子任务。本研究利用了一个丰富的数据集，由多种印度语言的社交媒体评论组成，由专家评委精确标注，以捕捉线下语境伤害的细微含义。分配给参与者的目标是设计算法，能够准确评估给定情况下伤害的可能性，并识别线下伤害最可能的目标。我们的方法在两个独立的赛道中均排名第二，F1 值分别为 0.73 和 0.96。我们的方法主要包括选择预训练模型进行微调，结合对比学习技术，并最终在测试集上采用集成方法。
引用
@article{arxiv.2403.19713,
title = {NJUST-KMG at TRAC-2024 Tasks 1 and 2: Offline Harm Potential Identification},
author = {Jingyuan Wang and Shengdong Xu and Yang Yang},
journal= {arXiv preprint arXiv:2403.19713},
year = {2024}
}