UIT-E10dot3 在 SemEval-2021 任务 5 中的表现：基于命名实体识别与问答方法的有毒片段检测
计算与语言
2021-04-16 v1
摘要
网络空间中恶意评论的增多对其他弱势用户造成了巨大影响。为此，人们做出了大量努力来应对这一问题，SemEval-2021 任务 5：有毒片段检测便是其中之一。该任务要求参赛者从给定文本中提取具有毒性的片段，我们在实验前进行了若干分析以理解其结构。我们通过两种方法解决该任务：使用 spaCy 库的命名实体识别，以及结合 ToxicBERT 的 RoBERTa 问答方法，其中前者取得了 66.99% 的最高 F1 分数。
引用
@article{arxiv.2104.07376,
title = {UIT-E10dot3 at SemEval-2021 Task 5: Toxic Spans Detection with Named Entity Recognition and Question-Answering Approaches},
author = {Phu Gia Hoang and Luan Thanh Nguyen and Kiet Van Nguyen},
journal= {arXiv preprint arXiv:2104.07376},
year = {2021}
}
备注
Accepted at SemEval-2021 Task 5: Toxic Spans Detection, ACL-IJCNLP 2021