social media comments | BriefGPT

关键词social media comments

搜索结果 - 5

NJUST-KMG 在 TRAC-2024 任务 1 和任务 2 中的离线危害潜力识别
该研究提出了一种方法，使用 TRAC-2024 离线危害潜力识别，它包括两个子任务。研究利用了一个丰富的数据集，包含几种印度语言的社交媒体评论，并由专家评分进行注释，以捕捉离线背景危害的微妙含义。我们的方法在两个不同的任务中排名第二，分别具
PDF3 months ago
ACLLT-EDI-2024 平台上鉴别少资源语言中反对 LGBTQ + 仇恨语言的自动化检测
本文描述了我们开发的社交媒体评论中恐同 / 恐跨基不算法的系统，该系统是 LT-EDI-2024 共享任务的一部分。我们采用了基于 transformer 的方法，为十种语言条件（英语、西班牙语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、
PDF5 months ago
使用时空再训练的语言模型检测社交媒体评论中的恐同 / 恐跨性别现象
该研究使用 BERT-based 语言模型开发了多类别分类系统，用于检测社交媒体评论中的恐同和恐 Trans 内容，跨五种语言条件：英语，西班牙语，印地语，马拉雅拉姆语和泰米尔语。发现使用时空相关的社交媒体语言数据可以提高语言分类系统的性能
PDFa year ago
COLINGAPPDIA：基于 Transformer 的语篇感知风格转换模型，用于攻击性社交媒体对话
本文描述了通过释义链接迁移 Reddit 上的冒犯性文本风格的第一个语篇感知风格迁移模型，该模型是通过依靠专家社会语言学家对其进行注释的第一个冒犯性 Reddit 评论和其无冒犯对应文本的大型数据集训练得出的。经过基于人类评估和自动评估的实
PDF2 years ago
Optimize_Prime@DravidianLangTech-ACL2022: 泰米尔语情感分析
本文旨在对泰米尔社交媒体评论进行情感分析，包括 11 个和 31 个特定类别的情感，通过使用转换器模型、循环神经网络和集成模型三种方法解决该问题，其中 XLM-RoBERTa 在第一个任务中表现最佳，宏平均 f1 得分为 0.27，而 Mu
PDF2 years ago