@在过程中{pavlopoulos-etal-2019-convai,title=“2019年任务6:具有视角和{BERT}的攻击性语言识别和分类”,author=“Pavlopoulos、John和塞恩、尼图姆和狄克逊、卢卡斯和安德洛索普洛斯,离子“,editor=“梅、乔纳森和舒托娃、叶卡捷琳娜和赫布洛特、奥雷利和朱晓丹和Apidianaki、Marianna和赛义夫·M·穆罕默德”,booktitle=“第十三届语义评估国际研讨会论文集”,月=六月,year=“2019”,address=“美国明尼苏达州明尼阿波利斯”,publisher=“计算语言学协会”,url=“https://aclantology.org/S19-2102”,doi=“10.18653/v1/S19-2102”,pages=“571--576”,抽象=“本文介绍了两个用于毒性检测的强大基线系统的应用,并评估了它们在识别和分类社交媒体中的攻击性语言方面的性能。PERSPECTIVE是一个API,它提供多个机器学习模型以改进在线对话,以及一个毒性检测系统,训练在互联网平台上发表了各种各样的评论。BERT是一种最近流行的语言表示模型,针对每个任务进行了微调,并在多个NLP任务中实现了最先进的性能。PERSPECTIVE在检测毒性方面优于BERT,但BERT在分类攻击性类型方面要好得多。这两条基线在2019年SEMEVAL-2019年度进攻性比赛中排名出奇的高,在检测进攻性哨位时排名PERSPECTIVE(第12位),在分类时排名BERT(第11位)。本文的主要贡献是在很少或没有额外训练数据的情况下,评估了攻击性语言识别(PERSPECTIVE)和分类(BERT)的两个强大基线。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“pavlopoulos-etal-2019-convai”><标题信息>2019年第六学期的ConvAI任务6:基于视角和BERT的攻击性语言识别和分类</titleInfo><name type=“personal”>约翰帕夫洛普洛斯<角色>作者</角色></name><name type=“personal”>Nithum塞恩<角色>作者</角色></name><name type=“personal”>卢卡斯迪克森<角色>作者</角色></name><name type=“personal”>离子安德洛索普洛斯<角色>作者</角色></name><originInfo><日期发布>2019-06<日期发布></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第十三届语义评估国际研讨会论文集</titleInfo><name type=“personal”><namePart type=“given”>Jonathan</namePart><namePart type=“family”>五月</namePart><角色>编辑器</角色></name><name type=“personal”>叶卡捷琳娜舒托娃<角色>编辑器</角色></name><name type=“personal”>奥雷利赫布洛特<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>小丹朱<namePart type=“family”><角色>编辑器</角色></name><name type=“personal”>玛丽安娜阿皮迪亚纳基<角色>编辑器</角色></name><name type=“personal”>赛义夫<namePart type=“given”>M</namePart>穆罕默德<角色>编辑器</角色></name><originInfo>计算语言学协会<地点>美国明尼苏达州明尼阿波利斯市</place></originInfo><type-authority=“marcgt”>会议出版物</type></relatedItem>本文介绍了两个用于毒性检测的强基线系统的应用,并评估了它们在识别和分类社交媒体中攻击性语言方面的性能。PERSPECTIVE是一个API,它提供多个机器学习模型以改进在线对话,以及一个毒性检测系统,该系统根据来自互联网平台的各种评论进行训练。BERT是一种最近流行的语言表示模型,针对每个任务进行了微调,并在多个NLP任务中实现了最先进的性能。PERSPECTIVE在检测毒性方面优于BERT,但BERT在分类攻击性类型方面要好得多。这两条基线在2019年SEMEVAL-2019年度进攻性比赛中排名出奇的高,在检测进攻性哨位时排名PERSPECTIVE(第12位),在分类时排名BERT(第11位)。本文的主要贡献是在很少或没有额外训练数据的情况下,评估了攻击性语言识别(PERSPECTIVE)和分类(BERT)的两个强大基线</摘要><identifier type=“citekey”>pavlopoulos-etal-2019-convai10.18653/v1/S19-2102<位置><网址>https://aclantology.org/S19-2102</url></位置><部分>2019-06年<扩展单元=“page”><开始>571</开始><end>576</范围></部分></mods></modsCollection>
%0会议记录%2019年SemEval-2019的T ConvAI任务6:基于视角和BERT的攻击性语言识别和分类%约翰·A Pavlopoulos%尼图姆·A Thain%卢卡斯·迪克森%安雍·A Androutsopoulos%Y May,乔纳森%叶卡捷琳娜·舒托娃%奥雷利·Y·赫伯洛特%Y Zhu、Xiaodan%Y Apidianaki,玛丽安娜%赛义夫·穆罕默德。%第十三届语义评价国际研讨会论文集%D 2019年%6月8日%计算语言学协会%C美国明尼苏达州明尼阿波利斯市%F pavlopoulos-etal-2019-convai公司%本文介绍了两个用于毒性检测的强大基线系统的应用,并评估了它们在识别和分类社交媒体中攻击性语言方面的性能。PERSPECTIVE是一个API,它提供多个机器学习模型以改进在线对话,以及一个毒性检测系统,该系统根据来自互联网平台的各种评论进行训练。BERT是一种最近流行的语言表示模型,针对每个任务进行了微调,并在多个NLP任务中实现了最先进的性能。PERSPECTIVE在检测毒性方面优于BERT,但BERT在分类攻击性类型方面要好得多。这两条基线在2019年SEMEVAL-2019年度进攻性比赛中排名出奇的高,在检测进攻性哨位时排名PERSPECTIVE(第12位),在分类时排名BERT(第11位)。本文的主要贡献是在很少或没有额外训练数据的情况下,评估了攻击性语言识别(PERSPECTIVE)和分类(BERT)的两个强大基线。%10.18653/v1/S19-2102兰特%U型https://aclantology.org/S19-2102%U型https://doi.org/10.18653/v1/S19-2102%电话571-576
降价(非正式)
【2019年SemEval-2019的ConvAI任务6:基于视角和BERT的攻击性语言识别和分类】(https://aclantology.org/S19-2102)(Pavlopoulos等人,2019年SemEval)
国际计算语言学协会