UoT-UWF-PartAI 在 SemEval-2021 任务 5：基于自注意力的多嵌入表示 Bi-GRU 毒性高亮方法
计算与语言
2021-04-28 v1
摘要
毒性片段检测（TSD）任务定义为高亮使文本具有毒性的片段。已有许多工作将给定评论或文档分类为有毒或无毒。然而，这些已有模型均未在词元级别上工作。本文中，我们提出一种基于自注意力的双向门控循环单元（BiGRU），并采用词元的多嵌入表示。我们所提模型通过组合 GPT-2、GloVe 与 RoBERTa 嵌入来丰富表示，从而取得了有前景的结果。实验结果表明，我们所提方法在检测片段词元方面非常有效。
引用
@article{arxiv.2104.13164,
title = {UoT-UWF-PartAI at SemEval-2021 Task 5: Self Attention Based Bi-GRU with Multi-Embedding Representation for Toxicity Highlighter},
author = {Hamed Babaei Giglou and Taher Rahgooy and Mostafa Rahgouy and Jafar Razmara},
journal= {arXiv preprint arXiv:2104.13164},
year = {2021}
}
备注
Accepted at SemEval-2021 Task 5: Toxic Spans Detection, ACL-IJCNLP 2021