Nov, 2022

FIRE 2022 中 HASOC 子赛道概述：马拉地语攻击性语言识别

PDF
TL;DR本文介绍了 HASOC 2022 Marathi subtrack，该 track 提供了来自 Twitter 的手动注释数据集，分别对应三个子任务：Task A - offensive content identification、Task B - categorization of offensive types 和 Task C - offensive target identification。最终，本次比赛共有 10 支团队提交了 59 个结果，最佳表现的算法是采用传统与深度学习的结合，分别在 Subtrack 3A、Subtrack 3B 和 Subtrack 3C 上实现了 F1 值分别为 0.9745、0.9207 和 0.9607。
offensive content identificationolid taxonomymarathi subtrackinternational competitiondeep learning
发现论文，激发创造
  • FIRE 2021 HASOC 子赛道概观：英语和印度－雅利安语言中的仇恨言论和攻击性内容识别

    该研究论文介绍了 HASOC 子轨道，旨在为英语、印地语和马拉地语开发基准数据集，以支持在线平台的内容审核。他们解释了两种分析方法，分别为二元分类和精细分类问题，并提供分类算法的性能结果。

    Dec, 2021

  • FIRE 2020 上 HASOC 赛道概述：印欧语系中的仇恨言论与攻击内容识别

    本文介绍了在社交媒体中迅速增长的仇恨言论现象以及如何使用多语言算法进行检测，其中包括 Hindi、德语和英语等三种语言，使用的数据集是通过机器学习系统对 Twitter 进行分类得到的，并使用了变压器结构 BERT 进行实验。

    Aug, 2021

  • 2023 年 FIRE HASOC 子任务概述：通过跨度检测识别英文明确仇恨相关令牌

    网上仇恨言论的扩散导致了对开发计算方法进行缓解的重要性的不断增加。为了更好地检测具有仇恨性质的文本片段，引入了反应式和主动缓解技术。本研究主要关注在英文推文中检测明确的文本片段，并举办了 HateNorm 项目来进一步促进这一研究领域。

    Nov, 2023

  • 基于 Twitter BERT 的 Marathi 语攻击性语言检测方法

    本文介绍了我们在印度低资源口语马拉地语中的 Offensive Language Identification 的工作，讨论了使用 BERT 模型进行文本分类任务以识别推文是否冒犯，比较了不同 BERT 模型在 HASOC 2022 测试集上的表现，包括从其他现有 Marathi 仇恨言论语料库 HASOC 2021 和 L3Cube-MahaHate 进行的扩充等，并且当将 MahaTweetBERT 模型在结合数据集（HASOC 2021 + HASOC 2022 + MahaHate）上进行微调时，其在 HASOC 2022 测试集上取得了 98.43 的 F1 得分，这也是 HASOC 2022 / MOLD v2 测试集的新最优表现。

    Dec, 2022

  • 一种简单的、与语言无关的却非常强大的基线系统，用于仇恨言论和攻击性内容的识别

    通过使用基于字符 n-gram 的经典监督算法，SATLab 团队提出了一种自动识别推文中仇恨言论和冒犯性内容的系统，该系统与语言无关。在优化特征加权和分类器参数后，该系统在英语中达到了中等表现水平，在印地语和马拉地语这两种资源较少的语言中表现更好，甚至在这些语言的三项任务中的平均表现要比许多深度学习方法更好。表现表明该方法是一个有趣的参考水平，可用于评估使用更复杂方法（例如深度学习或考虑补充资源）的好处。

    Feb, 2022

  • 预测马拉提语攻击性社交媒体帖子的类型和目标

    这篇研究针对印度的低资源印度－雅利安语言 Marathi 进行防御性语言识别研究，介绍了 Marathi Offensive Language Dataset v.2.0（MOLD 2.0）数据集，并通过多次实验对此数据集进行了分析。

    Nov, 2022

  • IIITDWD-ShankarB@ Dravidian-CodeMixi-HASOC2021: 基于 mBERT 的南印度语言冒犯内容识别模型

    本研究采用多语言 BERT 提取特征，并在其上使用三个不同的分类器以识别社交媒体上的辱骂内容，最终在 Malayalam 数据上获得 0.70 的加权 F1 分数并排名第五，在 Tamil 数据上获得 0.573 的加权 F1 分数并排名第十一。

    Apr, 2022

  • SemEval-2019 任务 6：社交媒体中的攻击性语言识别和分类（OffensEval）

    本文介绍了 SemEval-2019 任务 6（OffensEval）的结果和主要发现，该任务基于一个包含超过 14,000 个英文推文的新数据集 ——Offensive Language Identification Dataset（OLID），它有三个子任务，目标是在社交媒体上识别和分类攻击性语言。

    Mar, 2019

  • QutNocturnal@HASOC'19: 印地语中仇恨言论和攻击性内容辨识的 CNN

    我们使用卷积神经网络对预训练的印度语推文进行分类，以识别 Hindi 中的仇恨言论和冒犯性语言。使用相对较小的相关推文集合代替通用领域的大型语料库进行前置向量训练，有效在比赛中取得了第一名，其方法可适用于其他文本分类任务中。

    Aug, 2020

  • SemEval-2020 任务 12：社交媒体中的多语种攻击性语言识别（OffensEval 2020）

    总结 SemEval-2020 中的 OffensEval 任务，它涉及多语言社交媒体中的多语种冒犯性语言识别，并说明了其在 OffensEval 2019 中的分层分类结构。

    Jun, 2020