通过联合关键要素抽取与分类从个人故事中揭示性骚扰模式
计算与语言
2019-11-05 v1
摘要
近年来，网上分享的关于性骚扰的个人故事数量呈指数增长。这部分受到 #MeToo 和 #TimesUp 运动的启发。Safecity 是一个供经历或目睹性骚扰的人分享个人经历的在线论坛，迄今已收集 >10,000 篇故事。性骚扰发生在多种情境中，对这些故事进行分类并抽取其关键要素将极大帮助相关方理解和应对性骚扰。在本研究中，我们人工标注了这些故事在地点、时间和骚扰者特征维度的标签，并标记了与这些维度相关的关键要素。此外，我们应用具有联合学习方案的自然语言处理技术，自动在这些维度上分类故事并同时抽取关键要素。我们还从分类后的性骚扰故事中揭示了显著模式。我们相信我们的标注数据集、所提算法和分析将以多种方式帮助受骚扰者、当局、研究人员及其他相关方，例如自动填写报告、启发公众以预防未来骚扰，以及促成更有效、更快速的行动。
引用
@article{arxiv.1911.00547,
title = {Uncover Sexual Harassment Patterns from Personal Stories by Joint Key Element Extraction and Categorization},
author = {Yingchi Liu and Quanzhi Li and Marika Cifor and Xiaozhong Liu and Qiong Zhang and Luo Si},
journal= {arXiv preprint arXiv:1911.00547},
year = {2019}
}