Z-AGI Labs at ClimateActivism 2024: 社交媒体上的立场与仇恨事件检测
计算与语言
2024-04-16 v2
摘要
在数字领域，丰富的数据作为洞察社会、政治和经济复杂性的关键来源。为满足日益增长的高质量事件信息需求以及反仇恨言论的 imperative, 本研究在CASE 2024期间建立了气候主义立场与仇恨事件检测共享任务。聚焦于气候活动家在社交媒体上应对仇恨言论, 本研究贡献了来自推文的仇恨言论识别。分析三个子任务 - 仇恨言论检测 (子任务A), 仇恨言论目标识别 (子任务B), 和立场检测 (子任务C) - Z-AGI Labs团队评估了各种模型，包括基于Tf-Idf的LSTM、Xgboost和LGBM。结果揭示了有趣的差异，Catboost在子任务B (F1: 0.5604) 和子任务C (F1: 0.7081) 中表现突出，而LGBM在子任务A (F1: 0.8684) 中表现最佳。该研究为气候仇恨言论和立场检测中经典机器学习模型的适用性提供了有价值的见解，助力选择稳健机制的最佳模型。
引用
@article{arxiv.2402.17014,
title = {Z-AGI Labs at ClimateActivism 2024: Stance and Hate Event Detection on Social Media},
author = {Nikhil Narayan and Mrutyunjay Biswal},
journal= {arXiv preprint arXiv:2402.17014},
year = {2024}
}
备注
Authors weren't supposed to upload given organisational agreements