迈向自动化的性暴力报告追踪
社会与信息网络
2019-11-19 v1 计算与语言
摘要
追踪性暴力是一项具有挑战性的任务。在本文中，我们提出一种基于监督学习的自动化性暴力报告追踪模型，该模型比基于众包的同类模型更具可扩展性与可靠性。我们通过考量受害者、施害者情境以及暴力性质来定义性暴力报告追踪问题。我们发现，我们的模型能够以80.4%的精确率与83.4%的召回率识别性暴力报告。此外，我们还在#MeToo运动期间及之后应用了该模型。发现了若干有趣且难以通过浅层分析识别的发现有。
引用
@article{arxiv.1911.06961,
title = {Towards Automated Sexual Violence Report Tracking},
author = {Naeemul Hassan and Amrit Poudel and Jason Hale and Claire Hubacek and Khandakar Tasnim Huq and Shubhra Kanti Karmaker Santu and Syed Ishtiaque Ahmed},
journal= {arXiv preprint arXiv:1911.06961},
year = {2019}
}