UPB 在 SemEval-2022 任务 5 上的工作：用图像情感与图卷积网络增强 UNITER 以进行多媒体自动厌女识别
计算与语言
2022-05-31 v1 人工智能
摘要
近年来，由于社交媒体的指数级增长及其消息的传播与影响，在线媒体中仇恨言论、攻击性或辱骂性语言的检测已成为 NLP 研究的重要课题。厌女检测虽在仇恨言论检测中占重要位置，却未获同等关注。本文描述我们提交至 SemEval-2022 任务 5：MAMI——多媒体自动厌女识别的分类系统。该共享任务旨在通过联合分析梗图图像及其文本说明，在多模态环境下识别厌女内容。为此，我们提出两个基于预训练 UNITER 模型的模型，其一用图像情感分类器增强，其二利用词汇图卷积网络（VGCN）。此外，我们探索使用上述模型的集成。我们的最佳模型在子任务 A 达到 71.4% 的 F1 分数，在子任务 B 达到 67.3%，使团队位于排行榜前三分之一。我们在 GitHub 上发布了模型的代码与实验。
引用
@article{arxiv.2205.14769,
title = {UPB at SemEval-2022 Task 5: Enhancing UNITER with Image Sentiment and Graph Convolutional Networks for Multimedia Automatic Misogyny Identification},
author = {Andrei Paraschiv and Mihai Dascalu and Dumitru-Clementin Cercel},
journal= {arXiv preprint arXiv:2205.14769},
year = {2022}
}
备注
Semeval 2022, Task 5 submission 8 pages, 3 figures