UMass PCL 在 SemEval-2022 任务 4：用于检测 patronizing and condescending language 的预训练语言模型集成
计算与语言
2022-04-19 v1
摘要
Patronizing and condescending language（PCL，居高临下且贬损性语言）无处不在，但鲜有关注媒体对弱势群体的此类使用。由于标注数据有限且语言可能十分微妙，准确检测此种形式的 PCL 是一项困难任务。本文描述了我们提交至 SemEval 2022 任务 4（Patronizing and Condescending Language Detection，居高临下且贬损性语言检测）的用于检测此类语言的系统。我们的方法使用预训练语言模型集成、数据增强以及检测阈值的优化。在竞赛主办方发布的评估数据集上的实验结果表明，我们的工作能可靠地检测 PCL，在二分类任务上取得 55.47% 的 F1 分数，在细粒度多标签检测任务上取得 36.25% 的宏 F1 分数。
引用
@article{arxiv.2204.08304,
title = {UMass PCL at SemEval-2022 Task 4: Pre-trained Language Model Ensembles for Detecting Patronizing and Condescending Language},
author = {David Koleczek and Alex Scarlatos and Siddha Karakare and Preshma Linet Pereira},
journal= {arXiv preprint arXiv:2204.08304},
year = {2022}
}
备注
9 pages, 1 figure, accepted to SemEval 2022 Task 4