تصف هذه الورقة عن فكاهة، مجموعة من النماذج الكبيرة القائمة على Bert التي استخدمناها في مهمة Semeval-2021 7: الكشف عن الفكاهة والعموم.ويعرض تقنيات معالجة ما قبل وبعدها، وتعلم العتبة المتغيرة، وتعلم التعريف ونهج الفرقة لحل المهام الفرعية المختلفة التي كانت جزءا من التحدي.نقدم أيضا تحليلا مقارنا للنماذج المختلفة التي حاولناها.تم تصنيف طريقتنا الرابعة من 4 في الكشف عن الجدل الفكاهي، الثامن في الكشف عن الفكاهة، 19 في متوسط تنبؤ درجة الجريمة و 40 في متوسط درجة الفكاهة النتيجة التنبؤ على مستوى العالم على مستوى العالم.تم الحصول على درجة F1 التي تم الحصول عليها لتصنيف الفكاهة 0.9655 والكشف عن الجدل كان 0.6261.اسم المستخدم الخاص بنا على لوحة Leader هو هذا هو اسم الفريق والكلم الداخلي.
This paper describes Humor-BERT, a set of BERT Large based models that we used in the SemEval-2021 Task 7: Detecting and Rating Humor and Offense. It presents pre and post processing techniques, variable threshold learning, meta learning and Ensemble approach to solve various sub-tasks that were part of the challenge. We also present a comparative analysis of various models we tried. Our method was ranked 4th in Humor Controversy Detection, 8th in Humor Detection, 19th in Average Offense Score prediction and 40th in Average Humor Score prediction globally. F1 score obtained for Humor classification was 0.9655 and for Controversy detection it was 0.6261. Our user name on the leader board is ThisIstheEnd and team name is EndTimes.
References used
https://aclanthology.org/
This paper describes our contribution to SemEval-2021 Task 7: Detecting and Rating Humor and Of-fense.This task contains two sub-tasks, sub-task 1and sub-task 2. Among them, sub-task 1 containsthree sub-tasks, sub-task 1a ,sub-task 1b and sub-task 1c
The HaHackathon: Detecting and Rating Humor and Offense'' task at the SemEval 2021 competition focuses on detecting and rating the humor level in sentences, as well as the level of offensiveness contained in these texts with humoristic tones. In this
SemEval 2021 Task 7, HaHackathon, was the first shared task to combine the previously separate domains of humor detection and offense detection. We collected 10,000 texts from Twitter and the Kaggle Short Jokes dataset, and had each annotated for hum
Humor recognition is a challenging task in natural language processing. This document presents my approaches to detect and rate humor and offense from the given text. This task includes 2 tasks: task 1 which contains 3 subtasks (1a, 1b, and 1c), and
This paper describes the winning system for SemEval-2021 Task 7: Detecting and Rating Humor and Offense. Our strategy is stacking diverse pre-trained language models (PLMs) such as RoBERTa and ALBERT. We first perform fine-tuning on these two PLMs wi