PulseAugur
中
实时 09:01:01
English(EN) Measuring a hate speech spectrum with faceted Rasch item response theory and perspective-aware, explainable-by-design deep learning

新系统在连续光谱上衡量仇恨言论

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新颖的系统，用于在从灭绝种族到支持性语言的连续光谱上衡量仇恨言论。该方法结合了监督深度学习和分面Rasch项目反应理论，将仇恨言论分解为10个有序标签。然后对这些标签进行概率建模，以创建区间结果度量，同时还考虑了个人标注者的视角。该系统应用于由超过11,000名Mechanical Turk工人标注的来自YouTube、Twitter和Reddit的50,070条社交媒体评论的数据集，并使用了一个基于RoBERTa的模型，该模型显示出比现有方法更高的准确性。 AI

影响 引入了自然语言处理的新范式，鼓励连续结构，并纳入了标注者视角和模型可解释性。

排序理由 这是一篇详细介绍自然语言处理新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Chris J. Kennedy, Geoff Bacon, Alexander Sahn, Claudia von Vacano ·

    使用多面Rasch项目反应理论和视角感知、可解释性设计的深度学习来衡量仇恨言论光谱

    arXiv:2009.10277v2 Announce Type: replace-cross Abstract: We propose a system for measuring hate speech on a continuous, interval-valued spectrum ranging from genocidal to supportive speech by combining supervised deep learning with faceted Rasch item response theory (IRT). We de…

相关实体

相关话题