Sep, 2022

Trigger Warnings: FanFiction 暴力检测器的引导启动

PDF
TL;DR本研究是第一次针对新定义的触发警告分配计算任务提供数据集和评估结果。该任务的数据来自 Archive of Our Own (AO3) 上托管的叙事作品的编译语料库，作者依靠 AO3 提供的警告标签为 Fanfiction 分配触发警告。本文主要讨论最常分配的触发类型（暴力），并定义了一个文档级的二进制分类任务，即是否为一个 Fanfiction 分配暴力触发警告。在我们编译的语料库上，训练的 SVM 和 BERT 模型在四个评估设置上得出的 $ F_1 $ 结果在 0.585 到 0.798 之间，证明了这项暴力触发警告分配任务是可行的，但并不是容易的任务。
发现论文，激发创造
  • 如果有触发警告，那么触发源在哪里？研究文章层面上的触发警告

    通过手动和计算方法，本研究首次探讨了准确识别文档中触发预警部分的可行性，并建立了一个包含 8 种常见触发预警的 4,135 个英文部分样本数据集，然后通过大规模评估系统地评估了微调和少样本分类器的有效性和推广性，得出结论：触发标注属于 NLP 中的主观标注任务，并且自动触发分类仍然具有挑战性但可行。

    Apr, 2024

  • Mavericks 在 BLP-2023 任务 1 中：使用语言模型的基于合集的方法进行暴力煽动文本检测

    本文介绍了我们在第一届孟加拉语语言处理研讨会的暴力煽动文本检测共享任务中的工作。针对社交媒体上的仇恨和暴力煽动性言论的传播加速，开发高效的机制来检测和遏制此类文本的传播至关重要。在资源匮乏的环境中，检测暴力煽动文本的问题更加严重，因为研究稀少且数据较少。共享任务提供的数据是孟加拉语文本，每个示例根据暴力煽动文本的类型被分类为三个类别之一。我们尝试评估了几个基于 BERT 的模型，然后使用模型集成作为我们的最终提交。我们的提交在最终排行榜上排名第 10，宏观 F1 得分为 0.737。

    Nov, 2023

  • 使用多个 BERT 模型在推特中对自报家庭暴力进行分类

    该论文介绍了我们在 SMM4H 2022 共享任务中对 Twitter 上的自我报告的亲密伴侣暴力进行分类的提交。该系统是由五个 RoBERTa 模型的集成组成，并通过其在验证数据集上的 F1 分数进行加权。这个系统的效果比基线提高了 13％，并成为这个共享任务中表现最好的系统。

    Sep, 2022

  • 跨越火线：评估使用语言模型进行众包枪支暴力报告

    使用 Fine-tuned BERT 模型通过社交媒体数据监测真实世界的枪支暴力事件，结果表明自然语言处理技术能够支持人权组织的工作。

    Jan, 2024

  • nlpBDpatriots 在 BLP-2023 任务 1 中的两步分类：孟加拉语暴力煽动文本检测

    我们讨论了 nlpBDpatriots 参与的暴力煽动文本检测共享任务，并通过两步分类使用后向翻译和多语种方法，在 27 个团队中排名第 6，宏观 F1 得分为 0.74。

    Nov, 2023

  • BanglaNLP 在 BLP-2023 任务 1 中：对孟加拉语中激发暴力的文本检测进行不同的 Transformer 模型评估

    本研究通过开发系统解决孟加拉暴力煽动文本检测的共享任务，探讨了我们所采用的传统和最新方法，该系统有助于分类给定文本是否包含威胁。实验研究了在有限数据集情况下数据增强的影响，定量结果表明，与其他基于变压器结构的模型相比，微调多语言 - e5 基础模型在任务中表现最佳。 在测试集中，宏 F1 得分达到了 68.11％，并且在该共享任务的排行榜中排名第 23 位。

    Oct, 2023

  • 从无到严重：预测电影剧本中的严重度

    该研究采用孪生神经网络多任务框架，通过对电影的对话脚本进行分析，在性、暴力、亵渎、药物、惊悚场景五个方面预测电影内容的严重程度。结果表明该方法超越了现有的最先进模型并提供了有用的预测信息。

    Sep, 2021

  • 利用 BERT 和 SVM 识别冒犯性推文的 SemEval-2019 任务 6 中的 UM-IU@LING

    介绍了 UM-IU@LING 在 SemEval 2019 Task 6 中采用混合方法识别和分类社交媒体中的仇恨言论的系统，在子任务 A 中，使用经过微调的基于 BERT 的分类器在推文中检测恶意内容，在测试集上获得了 0.8136 的宏 F1 分数，位于 103 个提交中的第三名，在任务 B 和 C 中，使用选定字符 n-gram 特征的线性支持向量机，在子任务 C 中，系统可以识别出滥用的目标，最终在 65 个提交中排名第 27 位。

    Apr, 2019

  • 利用荷兰临床笔记进行暴力风险评估的机器学习

    利用临床记录进行暴力风险评估是有价值的，本研究探索传统和深度机器学习方法，使用临床记录评估精神病患的暴力风险，发现其表现与目前使用的基于问卷的方法相当，其中基于 BERTje 的深度学习模型的表现较差。

    Apr, 2022

  • 大规模评论语料库中的细粒度剧透检测

    该论文介绍了用于自动检测媒体产品评论中关键情节的计算方法。通过一个大规模的书评数据集，该论文开发了一种端到端的神经网络结构来检测评论中的关键情节，定量和定性结果表明，该方法显著优于现有基线模型。

    May, 2019