SemEval-2023 任务 10：在线性别歧视的可解释检测
计算与语言
2023-05-09 v2 计算机与社会
摘要
在线性别歧视是一种普遍且有害的现象。自动化工具可协助大规模检测性别歧视。然而，二分类检测忽视了性别歧视内容的多样性，且无法清晰解释为何某内容具有性别歧视性。为解决此问题，我们引入关于在线性别歧视可解释检测（EDOS）的 SemEval 任务 10。我们做出三项主要贡献：i）一种新颖的性别歧视内容层次分类法，包含细粒度性别歧视向量以辅助可解释性；ii）一个包含 20,000 条带细粒度标签的社交媒体评论的新数据集，以及用于模型适配的更大型无标签数据集；iii）基线模型以及对参与者提交任务的方法、结果与错误的分析。
引用
@article{arxiv.2303.04222,
title = {SemEval-2023 Task 10: Explainable Detection of Online Sexism},
author = {Hannah Rose Kirk and Wenjie Yin and Bertie Vidgen and Paul Röttger},
journal= {arXiv preprint arXiv:2303.04222},
year = {2023}
}
备注
SemEval-2023 Task 10 (ACL 2023)