ترغب بنشر مسار تعليمي؟ اضغط هنا

النمذجة الألفاظ النذير والكراهية خطاب في وسائل التواصل الاجتماعي مع الفئات الفرعية الدلالية

Modeling Profanity and Hate Speech in Social Media with Semantic Subspaces

754   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تعاني الكشف عن الكلام والكشف عن الألفاظ النبأ من البيانات الخاصة بالبيانات، وخاصة لغات أخرى غير الإنجليزية، بسبب الطبيعة الذاتية للمهام وتوافق التعليق التوضيحي الناتج عن الشركة الحالية.في هذه الدراسة، نقوم بتحديد الفئات الفرعية الملتزمة في وظائف Word وتمثيلات الجملة واستكشاف قدرة تعميمها على مجموعة متنوعة من المهام المستهدفة المماثلة والبعيدة في إعداد صفرية.تم إجراء هذا أحادي (ألماني) ويعرضا على المهام (الإنجليزية) ذات الصلة (باللغة الإنجليزية) عن كثب (باللغة الفرنسية) وغير ذات الصلة (العربية).نلاحظ أنه، في كل من المهام المستهدفة المماثلة والبعيدة وعلى جميع اللغات، فإن التمثيلات الفرعية القائمة على الفضاء الفرعي نقل أكثر فعالية من تمثيلات بيرت القياسية في إعداد الطلقة الصفرية، مع تحسينات بين F1 +10.9 و F1 +42.9 على خطوط الأساس عبر الكلاختبرت السيناريوهات أحادية الألوان واللغة اللغوية.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

ركزت الأبحاث السائدة على خطاب الكراهية في الغالب في الوقت الحالي في مهمة تصنيف وظائف وسائل التواصل الاجتماعي بشكل رئيسي فيما يتعلق بطبقات نطاقات الكراهية المحددة مسبقا إلى حد ما.قد يكون هذا كافيا إذا كان الهدف هو اكتشاف وحذف الوظائف اللغوية المسيئة.و مع ذلك، لا يمكن إزالة الإزالة دائما بسبب تشريع بلد ما.أيضا، هناك أدلة على أن خطاب الكراهية لا يمكن مكافحته بنجاح بمجرد إزالة مشاركات الكلام الكراهية؛يجب أن تواجهها التعليم والعديد من الروايات.لهذا الغرض، نحتاج إلى تحديد (I) من هو الهدف في وظيفة خطاب كراهية معينة، و (2) ما هي الجوانب (أو الخصائص) التي تعزى الهدف إلى الهدف في المنصب.كأول تقريب، نقترح تكييف نموذج استخراج مفهوم حقيقي للأحدث إلى مجال خطاب الكراهية.نتيجة التجارب واعدة ويمكن أن تكون مصدر إلهام لمزيد من العمل في المهمة
يمكن أن تؤثر تأطير القضايا السياسية على السياسة والرأي العام.على الرغم من أن الجمهور يلعب دورا رئيسيا في إنشاء وإلقاء الإطارات، إلا أن القليل يعرف عن كيفية القضايا السياسية للأشخاص العاديين في إطار وسائل الإعلام الاجتماعية.من خلال إنشاء مجموعة بيانات جديدة من تغريدات التغريدات المتعلقة بالهجرة المسمى لنصائح تأطير متعددة من نظرية الاتصال السياسية، نقوم بتطوير النماذج الخاضعة للإشراف للكشف عن الإطارات.نوضح كيف تؤثر أيديولوجية المستخدمين وتأثير اختيارات التأطير، وكيف تؤثر تأطير الرسائل على استجابات الجمهور.نجد أن إطارات العدد الأكثر شيوعا المستخدمة الإطارات الإيديولوجية والإقليمية المهمة التي يتم الكشف عنها إلا عن طريق الإطارات الخاصة بالهجرة.علاوة على ذلك، ترتبط الإطارات الموجهة نحو المصالح الإنسانية والثقافة والسياسة بمشاركة المستخدم الأعلى.هذا التحليل الواسع النطاق لظاهرة اجتماعية وملغوية معقدة يسهم في كل من البحوث المركزية والعلوم الاجتماعية.
يفترض العمل الحالي على تصنيف نطق الكراهية الآلي أن DataSet ثابتة ويتم تعريف الفصول الدراسية مسبقا.ومع ذلك، فإن مقدار البيانات في وسائل التواصل الاجتماعي يزيد كل يوم، وتتغير الموضوعات الساخنة بسرعة، مما يتطلب من المصنفين أن تكون قادرة على التكيف باستم رار مع البيانات الجديدة دون أن ننسى المعرفة المستفادة مسبقا.هذه القدرة، المشار إليها باسم التعلم مدى الحياة، أمر حاسم لتطبيق الكلمة الحقيقية من مصنف الكلاب الكراهية في وسائل التواصل الاجتماعي.في هذا العمل، نقترح التعلم مدى الحياة لتصنيف الكلام الكراهية على وسائل التواصل الاجتماعي.لتخفيف النسيان الكارثي، نقترح استخدام تعليم التمثيل التغيرات (VRL) جنبا إلى جنب مع وحدة الذاكرة المستندة إلى LB-Soinn (توازن الحركة النمو الذاتي التزايدي التزايدي).تجريبيا، نظهر أن الجمع بين التعلم التمثيل التغيرات ووحدة الذاكرة LB-Soinn يحقق أداء أفضل من تقنيات التعلم مدى الحياة المستخدمة بشكل شائع.
يستخدم عمل خطاب الشكوى من قبل البشر للتواصل مع عدم وجود عدم تطابق سلبي بين الواقع والتوقعات كرد فعل على وضع غير موات. تصنف النظرية اللغوية للبراغماتية شكاوى إلى مستويات شدة مختلفة تعتمد على تهديد الوجه الذي يرغب فيه الشكوى في القيام به. هذا مفيد بشكل خاص لفهم نية الشكوكيين وكيف يطور البشر استراتيجيات اعتذار مناسبة. في هذه الورقة، ندرس مستوى شدة الشكاوى لأول مرة في اللغويات الحاسوبية. لتسهيل ذلك، فإننا نشعر بإثراء مجموعة بيانات متاحة للجمهور من الشكاوى مع أربع فئات شدة وتدريب شبكات مختلفة قائمة على المحولات جنبا إلى جنب مع المعلومات اللغوية التي تحقق 55.7 ماكرو F1. كما نقوم بالاشتراك في تصنيف تصنيف الشكاوى الثنائية وشدة الشكاوى في إعدادات متعددة المهام التي تحقق نتائج جديدة لتحقيق نتائج جديدة على اكتشاف الشكاوى الثنائية تصل إلى 88.2 ماكرو F1. أخيرا، نقدم تحليلا نوعيا لسلوك نماذجنا في التنبؤ بمستويات شدة الشكوى.
تصف هذه الورقة مساهمة Helsinki - Ljubljana المهمة المشتركة في عام 2021 في مجال تحديد الموقع الجغرافي للوسائط الجغرافية الاجتماعية.بعد مشاركتنا الناجحة في 32020، اقترحنا مرة أخرى أنظمة مقيدة وغير مقيدة بناء على بنية بيرت.في هذه الورقة، نقوم بالإبلاغ ع ن تجارب مع إعدادات التكوين المختلفة ونماذج مختلفة تم تدريبها مسبقا، وننظر إلى نهج الانحدار الخالي من المعلمة مع مخططات التصنيف المختلفة التي اقترحها المشاركين الآخرون في كل من التعليمات الفاردة 2020. كل من التعليمات البرمجية وأفضل أداء مسبقا مسبقايتم تقديم النماذج بحرية المتاحة.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا