使用 Ktrain-BERT 生成概率影响分数以识别 Twitter 讨论中的仇恨词
计算与语言
2022-01-11 v2
摘要
近年来，社交媒体上的仇恨言论出现了令人担忧的增长。网络欺凌、性别歧视或种族主义等几个不同类别，这类贬损内容的统称标签一般可归类为有毒内容。本文展示了使用 Keras 封装的轻量级 BERT 模型进行实验，以成功识别仇恨言论并预测其概率影响分数，从而提取句子中的仇恨词。此任务使用的数据集是 FIRE 2021 中的仇恨言论与攻击性内容检测（HASOC 2021）英文数据。我们的系统获得了 82.60% 的验证准确率，最高 F1 分数为 82.68%。随后，我们的预测案例在生成影响分数方面表现显著良好，成功识别了仇恨推文以及推文池中的仇恨词。
引用
@article{arxiv.2111.12939,
title = {Probabilistic Impact Score Generation using Ktrain-BERT to Identify Hate Words from Twitter Discussions},
author = {Sourav Das and Prasanta Mandal and Sanjay Chatterji},
journal= {arXiv preprint arXiv:2111.12939},
year = {2022}
}
备注
11 Pages, 10 Figures