ToxBuster：基于BERT的游戏内聊天毒性清除器
计算与语言
2023-05-24 v1 计算机与社会
摘要
随着社交媒体与游戏消费的增长，检测在线空间中的毒性内容颇具挑战且日益紧迫。我们提出ToxBuster，一个在来自《彩虹六号：围攻》与《荣耀战魂》的约19.4万行游戏聊天数据(已细致标注各类毒性)上训练的简单可扩展模型。相较于现有最先进模型，ToxBuster的精确率提升7个百分点达82.95%，召回率提升57个百分点达83.56%。该改进得益于对历史聊天与元数据的利用。我们还研究了其对实时与赛后审核的影响，以及模型在不同游戏间的可迁移性。
引用
@article{arxiv.2305.12542,
title = {ToxBuster: In-game Chat Toxicity Buster with BERT},
author = {Zachary Yang and Yasmine Maricar and MohammadReza Davari and Nicolas Grenon-Godbout and Reihaneh Rabbany},
journal= {arXiv preprint arXiv:2305.12542},
year = {2023}
}
备注
11 pages, 3 figures