预测不健康在线对话中不同类型的微妙毒性
计算与语言
2022-01-28 v1
摘要
本文研究了使用机器学习模型对含一种或多种较微妙滥用形式（如敌意、讽刺和泛化）的不健康在线评论进行分类。我们利用了一个包含 44K 在线评论的公开数据集，其中的健康与不健康评论标注了七种微妙毒性形式。我们得以区分这些评论，其最优微平均 F1 分数、宏平均 F1 分数和 ROC-AUC 分别为 88.76%、67.98% 和 0.71。敌意评论比其他类型的不健康评论更易检测。我们还进行了情感分析，揭示大多数不健康评论与轻微负面情感相关，其中敌意评论最为负面。
引用
@article{arxiv.2106.03952,
title = {Predicting Different Types of Subtle Toxicity in Unhealthy Online Conversations},
author = {Shlok Gilda and Mirela Silva and Luiz Giovanini and Daniela Oliveira},
journal= {arXiv preprint arXiv:2106.03952},
year = {2022}
}