C类接通，接通人工智能在S公司相对长度单位E类val-2019任务6：基于视角和BERT（误码率）

约翰·帕夫洛普洛斯,尼图姆·塞恩,卢卡斯·狄克逊,离子安德洛索普洛斯

摘要
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。
选集ID：
S19-2102号
体积：
第十三届国际语义评估研讨会论文集
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,奥雷利·赫贝洛特,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：
571–576
语言：
网址：
https://aclantology.org/S19-2102
内政部：
10.18653/v1/S19-2102
比比键：
引用（ACL）：
约翰·帕夫洛普洛斯、尼图姆·塞恩、卢卡斯·狄克逊和伊恩·安德洛索普洛斯。20192019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.英寸第十三届国际语义评估研讨会论文集，第571-576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）：
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（Pavlopoulos等人，2019年SemEval）
复制引文：
PDF格式：
https://aclantology.org/S19-2102.pdf
PDF格式 引用 搜索