计算机辅助制造斯特丹S公司相对长度单位E类val-2019任务6：用于识别攻击性推文的神经和基于图形的特征提取

盖伊·阿格里昂比,克里斯·戴维斯,普什卡·米什拉,安德鲁·凯恩斯,海伦·扬纳库达基斯,马雷克雷,叶卡捷琳娜·舒托娃,保拉·巴特里

摘要
我们描述了CAMsterdam团队加入2019年第二季度共享任务6的情况，该任务涉及推特数据中的攻击性语言识别。我们提出的模型学习使用多层递归网络提取文本特征，然后使用梯度支持决策树（GBDT）进行文本分类。自关注架构使模型能够关注文本中最相关的区域。为了丰富输入表示，我们使用node2vec学习哈希标签的全局优化嵌入，然后将其作为GBDT分类器的附加功能。我们的最佳模型在检测攻击性语言（子任务A）方面获得78.79%的宏F1核心，在分类犯罪类型（目标/非目标；子任务B）方面获得66.32%，在识别犯罪目标（子任务C）方面获得55.36%。
选集ID：
第19-2100页
体积：
第十三届语义评价国际研讨会论文集
月份：
六月
年份：
2019
地址：
美国明尼苏达州明尼阿波利斯
编辑：
乔纳森·梅,叶卡捷琳娜·舒托娃,奥雷莉·赫贝洛,朱晓丹,玛丽安娜·阿皮迪亚纳基,赛义夫·M·穆罕默德
地点：
SemEval公司
SIG公司：
SIGLEX公司
出版商：
计算语言学协会
注：
页：
556–563
语言：
网址：
https://aclantology.org/S19-2100
内政部：
10.18653/v1/S19-2100
比比键：
引用（ACL）：
盖伊·阿格里昂比、克里斯·戴维斯、普什卡·米什拉、安德鲁·凯恩斯、海伦·亚纳库达基斯、马雷克·雷、叶卡捷琳娜·舒托娃和保拉·巴特里。2019CAMsterdam在2019年第二季度的任务6：识别攻击性推文的神经和基于图形的特征提取.英寸第十三届语义评价国际研讨会论文集，第556–563页，美国明尼苏达州明尼阿波利斯，计算语言学协会。
引用（非正式）：
CAMsterdam在2019年第二季度的任务6：识别攻击性推文的神经和基于图形的特征提取（Aglionby等人，SemEval 2019）
复制引文：
PDF格式：
https://aclantology.org/S19-2100.pdf
数据
OLID公司
PDF格式 引用 搜索