Apr, 2021

UoT-UWF-PartAI参加SemEval-2021任务5：基于自注意力的双向门控循环神经网络和多嵌入表示的毒性突出器

HTML
PDF
TL;DR本文提出一种基于自注意力的双向门控循环单元（BiGRU），采用多嵌入表示的令牌结合 GPT-2，GloVe 和 RoBERTa 嵌入，有效地检测范围令牌。
发现论文，激发创造
  • 实现稳健有害内容分类

    本文提出了一种通过生成包含毒性单词的对抗样本，从而检验模型对毒性内容的识别性能，并探讨了使用Contextual Denoising Autoencoder提高模型鲁棒性的方法。实验表明，该方法在某些情况下可以将现有模型的检测准确率降低50％以上。

    Dec, 2019

  • 利用基于BERT的标记分类和跨度预测技术进行有毒跨度检测的SemEval-2021任务5的NLRG

    该研究探讨了基于BERT的模型在SemEval-2021毒性跨度检测任务中的性能，研究了多种模型，包括Token分类或跨度预测，最佳模型达到F1得分0.6753，在基线模型上提高了3%。

    Feb, 2021

  • HLE-UPC在SemEval-2021任务5中的表现：用于检测有害语句的多层DistilBERT

    研究使用多深度DistilBERT模型来检测文本中的有毒片段，定量结果表明使用多个深度的嵌入可提高模型性能，并定性分析了最佳模型。

    Apr, 2021

  • SemEval-2021第5项任务：使用BERToxic进行仔细检测仇恨言论的孤松松树算法

    该研究描述了 Toxic Spans Detection 问题的解决方法，其中使用 BERToxic 系统，通过微调预训练的 BERT 模型来定位给定文本中的有害文本段，并利用附加后处理步骤来优化其性能。

    Apr, 2021

  • MIPT-NSU-UTMN参加SemEval-2021第5项任务：使用预训练语言模型进行有毒片段检测的集成学习

    本文描述了我们基于BERT神经架构和后处理方法的集成模型，在SemEval-2021任务5的毒性跨度检测中应用的系统。我们使用多种集成技术对多个预训练语言模型进行了评估，实现了相当大的改进，并在测试数据上获得了67.55％的F1分数。

    Apr, 2021

  • SemEval-2021任务5：使用命名实体识别和问答方法进行有害语段检测的UIT-E10dot3

    该研究通过命名实体识别和问答结合分析SemEval-2021的毒性评论任务，提高了评论毒性区分的准确性。

    Apr, 2021

  • 2021年SemEval第5任务：毒性在哪里？：利用Transformer从在线评论中提取多个毒性段

    该论文描述了 Cisco 团队提出的用于发现英文文本中的有毒段落的系统，该系统主要采用了序列标注和依赖解析方法，并提供了其结果和模型表现的详细分析。

    May, 2021

  • SemEval-2021 任务6：利用BART进行跨度检测和分类的WVOQ模型

    本文介绍了使用BART EncoderDecoder模型将文本输入转换为标记化片段的版本，并将此标记转换为片段开头和结尾的识别以及它们的类别的新颖解决方案，以及对于此方法的相对成功和局限性解释和讨论，报告了参加SemEval-2021任务6：检测文本和图像中的说服技巧的情况。

    Jun, 2021

  • 一个新一代的Perspective API: 高效多语种基于字符级别的Transformer

    本文介绍了Google Jigsaw的Next-Gen Perspective API，它基于单个多语言无标记Charformer模型，可以应用于各种语言、领域和任务，展示了在多语言有毒评论分类基准测试中的广泛实验和评估结果，证明了该方法优于强基线，最后还介绍了如何部署到生产环境。

    Feb, 2022

  • 多语言有针对性攻击性言论识别与可视化

    在网络上出现各种仇恨、虐待和粗鄙的言辞。我们建立了一个名为Muted的系统，通过使用热图显示攻击性论点及其目标的强度，来识别多语种的仇恨言辞内容。Muted可以利用任何基于Transformer的仇恨分类模型及其注意机制来直接识别有害片段，无需进一步微调。此外，我们使用spaCy库来识别注意热图预测的词语的具体目标和论点。我们展示了该模型在识别现有数据集中的攻击性片段及其目标方面的性能，并在德语文本上提供了新的注释。最后，我们展示了我们提出的多语种输入的可视化工具。

    Dec, 2023