SalamNET参与SemEval-2020任务12:面向阿拉伯语攻击性语言检测的深度学习方法
计算与语言
2020-07-29 v1 机器学习
摘要
本文描述了SalamNET,一个已提交至SemEval 2020共享任务12(社交媒体多语言攻击性语言识别)的阿拉伯语攻击性语言检测系统。我们的方法侧重于应用多种深度学习模型并对结果进行深入的误差分析,以期为系统未来的开发考量提供启示。为实现该目标,我们开发并评估了具有不同设计架构的循环神经网络(RNN)、门控循环单元(GRU)和长短期记忆(LSTM)模型。SalamNET是一个基于双向门控循环单元(Bi-GRU)的模型,其宏F1分数达到0.83。
引用
@article{arxiv.2007.13974,
title = {SalamNET at SemEval-2020 Task12: Deep Learning Approach for Arabic Offensive Language Detection},
author = {Fatemah Husain and Jooyeon Lee and Samuel Henry and Ozlem Uzuner},
journal= {arXiv preprint arXiv:2007.13974},
year = {2020}
}
备注
In Proceedings of the International Workshop on Semantic Evaluation (SemEval) 2020