PulseAugur
实时 06:13:11
English(EN) Cross-Platform Chinese Offensive Comment Detection via Dual-Threshold Hard Example Mining

新方法改进跨平台冒犯性评论检测

研究人员开发了一种检测不同中文社交媒体平台冒犯性评论的新方法。提出的双阈值硬样本挖掘策略旨在改善模型跨平台部署时常见的性能下降问题。通过过滤易错样本并用少量标记的硬样本进行微调,该模型在微博、小红书、贴吧和知乎等平台上取得了显著的性能提升。 AI

影响 这项研究可能带来更强大、更适应性强的AI系统,用于跨不同在线平台的的内容审核。

排序理由 该项目是一篇研究论文,详细介绍了一种新的自然语言处理方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法改进跨平台冒犯性评论检测

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Fangfang Wang ·

    跨平台中文冒犯性评论检测通过双阈值硬样本挖掘

    Cross-platform deployment of offensive comment detection for Chinese social media suffers performance degradation. The paper proposes a dual-threshold hard mining method to address this. First, the clean-Chinese-base RoBERTa is finetuned on COLD to establish a binary baseline for…