WLV-RIT 参加 GermEval 2021：利用 Transformer 多任务学习检测有毒、引人互动及声称事实的评论
计算与语言
2021-08-03 v1 人工智能
神经与进化计算
社会与信息网络
摘要
本文研究社交媒体上有毒、引人互动及声称事实的评论的识别。我们使用了 GermEval-2021 共享任务组织者提供的包含超过 3,000 条德语人工标注 Facebook 评论的数据集。考虑到三项任务的相关性，我们采用大型预训练 Transformer 模型与多任务学习来解决该问题。我们的结果表明，在所有三项任务中，多任务学习的性能均优于更常见的单任务学习方法。我们以 WLV-RIT 团队名义向 GermEval-2021 提交了最佳系统。
引用
@article{arxiv.2108.00057,
title = {WLV-RIT at GermEval 2021: Multitask Learning with Transformers to Detect Toxic, Engaging, and Fact-Claiming Comments},
author = {Skye Morgan and Tharindu Ranasinghe and Marcos Zampieri},
journal= {arXiv preprint arXiv:2108.00057},
year = {2021}
}
备注
Accepted to GermEval-2021