RubCSG 在 SemEval-2022 任务 5 中的工作：用于识别厌女 MEME 的集成学习
计算与语言
2022-04-11 v1
摘要
本工作提出了一个基于多种单模态与双模态模型架构的集成系统，该系统为 SemEval 2022 任务 5（MAMI-多媒体自动厌女识别）而开发。挑战赛组织者提供了一个英文 meme 数据集，用于开发和训练识别及分类厌女 meme 的系统。更确切地说，该竞赛分为两个子任务：子任务 A 要求对 meme 是否表达厌女内容作出二分类判定，而子任务 B 则将厌女 meme 分类为刻板印象、羞辱、物化和暴力这些可能重叠的子类。在我们的提交中，我们实现了一种新的模型融合网络，并采用集成学习方法以获得更好性能。借助该结构，我们在子任务 A 中取得了 0.755 的宏平均 F1 分数（第 11 名），在子任务 B 中取得了 0.709 的加权平均 F1 分数（第 10 名）。
引用
@article{arxiv.2204.03953,
title = {RubCSG at SemEval-2022 Task 5: Ensemble learning for identifying misogynous MEMEs},
author = {Wentao Yu and Benedikt Boenninghoff and Jonas Roehrig and Dorothea Kolossa},
journal= {arXiv preprint arXiv:2204.03953},
year = {2022}
}
备注
10 pages