基于深度学习架构的攻击性语言分析

Ryan Ong

基于深度学习架构的攻击性语言分析

计算与语言 2019-03-20 v3 机器学习

作者: Ryan Ong

摘要

SemEval-2019 任务 6（Zampieri 等，2019b）要求我们识别并分类社交媒体中的攻击性语言。本文中，我们将描述应对这一挑战所采取的过程。我们的过程深受 Sosa（2017）启发，他提出了 CNN-LSTM 与 LSTM-CNN 模型来进行推特情感分析。我们决定沿用他的方法，并通过测试不同变体的 RNN 与 CNN 组合模型来推进其工作。具体而言，我们将该挑战分为两部分：数据处理与采样，以及选择最优深度学习架构。在预处理中，我们尝试了 SMOTE 与类权重两种技术以缓解类间不平衡。一旦对输入数据质量满意，我们便着手为该任务选择最优深度学习架构。鉴于所提供数据的质量与数量，我们发现添加 CNN 层对模型性能几乎无额外提升，有时甚至导致 F1 分数下降。最终，获得最高宏 F1 分数的深度学习架构是一个简单的 BiLSTM-CNN。

关键词

攻击性语言检测深度学习 cnn-lstm bilstm-cnn 类不平衡社交媒体情感分析

引用

@article{arxiv.1903.05280,
  title  = {Offensive Language Analysis using Deep Learning Architecture},
  author = {Ryan Ong},
  journal= {arXiv preprint arXiv:1903.05280},
  year   = {2019}
}

备注

6 pages, 8 tables, 1 figure

基于深度学习架构的攻击性语言分析

摘要

关键词

引用

备注

相关论文