WLV-RIT在SemEval-2021任务5中的系统：用于毒性片段检测的神经网络Transformer框架
计算与语言
2021-05-31 v3 人工智能
机器学习
摘要
近年来，社交媒体的广泛使用导致在线平台上毒性与攻击性内容的生成增加。作为回应，社交媒体平台致力于开发自动检测方法并雇用人力审核员来应对大量攻击性内容。尽管各种最先进的统计模型已被应用于检测毒性帖子，但聚焦于检测使帖子具有攻击性的词语或表达的研究寥寥无几。这促使了SemEval-2021任务5：毒性片段检测竞赛的举办，该竞赛为参与者提供了包含英文帖子中毒性片段标注的数据集。本文中，我们介绍用于SemEval-2021任务5的WLV-RIT参赛系统。我们性能最佳的神经Transformer模型取得了的F1分数。此外，我们基于神经Transformer开发了用于多语言攻击性片段检测的开源框架，即MUDES，可检测文本中的毒性片段。
引用
@article{arxiv.2104.04630,
title = {WLV-RIT at SemEval-2021 Task 5: A Neural Transformer Framework for Detecting Toxic Spans},
author = {Tharindu Ranasinghe and Diptanu Sarkar and Marcos Zampieri and Alexander Ororbia},
journal= {arXiv preprint arXiv:2104.04630},
year = {2021}
}
备注
Accepted to SemEval-2021