中文

极化检测：结合AfroXLMR-Social与DeBERTa的低资源与高资源环境混合方法

计算与语言 2026-07-11 v1 人工智能
作者: Muhammad Abdullahi Said
在 arXiv 上查看 ↗ PDF ↗

摘要

网络极化现象的迅速扩散威胁着社会凝聚力，需要能够在不同语言背景下有效运行的稳健自动化检测系统。本文介绍了我们针对POLAR 2026共享任务的系统描述，重点关注英语和豪萨语中极化话语的检测与表征。我们提出了一种混合建模策略：对于英语二元检测，我们利用单语模型\textbf{DeBERTa}的优势；而对于豪萨语及所有细粒度子任务（类型和表现），我们使用\textbf{AfroXLMR-Social}。这种领域自适应的多语言模型对于捕捉社交媒体文本中极化的细微差别至关重要。为了进一步解决计算约束和数据稀缺问题，我们实现了低秩自适应（LoRA）和通过\texttt{nlpaug}进行的文本数据增强。我们报告了所有三个子任务的竞争性结果，表明针对特定子任务需求定制模型选择能够实现性能的最佳平衡。

关键词

polarization detection multilingual model low-resource hybrid approach LoRA data augmentation social media

引用

@article{arxiv.2607.10312,
  title  = {Polarization Detection: A Hybrid Approach with AfroXLMR-Social and DeBERTa for Low- and High-Resource Settings},
  author = {Muhammad Abdullahi Said},
  journal= {arXiv preprint arXiv:2607.10312},
  year   = {2026}
}