ترغب بنشر مسار تعليمي؟ اضغط هنا

الأمل NLP @ LT-EDI-EACL2021: العثور على أمل في قسم تعليق يوتيوب

Hopeful NLP@LT-EDI-EACL2021: Finding Hope in YouTube Comment Section

181   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

أصبح انتشار خطاب الكراهية والتضليل في وسائل التواصل الاجتماعي سريعا للخطر للمجتمع.في مجاملة، تصبح نشر الرسائل الواعدة والنشرة الواعدة وغير القمعية بديلا فريدا.لسوء الحظ، نظرا لطبيعتها المعقدة وكذلك المظهر المحدود نسبيا بالمقارنة مع المحتوى المعادي والمحايد، يصبح تحديد خطاب الأمل تحديا.يدور هذا العمل حول اكتشاف خطاب الأمل في تعليقات يوتيوب، للمهمة المشتركة على الكشف عن الكلام على الأمل للمساواة والتنوع والإدماج.نحن نحقق درجة F 0.93، ترتيب 1ST على المتصدرين للتعليقات الإنجليزية.



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

اقرأ أيضاً

يجب أن تكون اللغة كجزء كبير من الاتصالات شاملة للمساواة والتنوع. تحتوي لغة مستخدم الإنترنت على تأثير كبير على مستخدمي الأقران في جميع أنحاء العالم. يعبر الناس عن آرائهم من خلال اللغة على المنصات الافتراضية مثل Facebook و Twitter و YouTube وما إلى ذلك . يعجب الناس نجاح الآخرين والصلاة من أجل رفاهيةهم وتشجيع فشلهم. هذه التعليقات الملهمة هي تعليقات الكلام الأمل. في الوقت نفسه، يعزز مجموعة من المستخدمين التمييز على أساس الجنس والوجه العنصري والجنسي والأشخاص ذوي الإعاقة والأقليات الأخرى. تهدف الورقة الحالية إلى تحديد تعليقات خطاب الأمل المهم للغاية للمضي قدما في الحياة. تعمل العديد من التعلم الآلي ونماذج التعلم العميق (مثل آلة ناقلات الدعم، الانحدار اللوجستية، الشبكة العصبية التنافسية، الشبكة العصبية المتكررة) لتحديد خطاب الأمل في تعليقات YouTube المعينة. تتوفر تعليقات YouTube باللغات الإنجليزية والتاميل والملاى وهي جزء من المهمة EACL-2021: الكشف عن الكلام في الأمل للمساواة والتنوع والإدماج ".
تهدف هذه الورقة إلى وصف النهج الذي اعتدنا عليه اكتشاف خطاب الأمل في مجموعة بيانات Hopeiedi.جربنا مع نهجين.في النهج الأول، استخدمنا ادارة سياقية لتدريب المصنفات باستخدام الانحدار اللوجستي، والغابات العشوائية، و SVM، و LSTM.النهج الثاني المعني باستخدام فرقة التصويت للأغلبية من 11 نماذج تم الحصول عليها عن طريق نماذج محولات محول مدربة مسبقا (بيرت، ألبرت، روبرتا، Inderbert) بعد إضافة طبقة إخراج.وجدنا أن النهج الثاني كان متفوقا على اللغة الإنجليزية والتاميل والمالايالامية.حصل حلنا على درجة مرجحة F1 من 0.93 و 0.75 و 0.49 للغة الإنجليزية ومالايالامية والتاميل على التوالي.احتل محلولنا في المرتبة الأولى باللغة الإنجليزية، الثامن في ملايال و 11 في التاميل.
في مجتمع اليوم، يتيح لنا التطوير السريع لتكنولوجيا الاتصالات التواصل مع أشخاص من أجزاء مختلفة من العالم. في عملية الاتصال، يعامل كل شخص الآخرين بشكل مختلف. يتم استخدام بعض الأشخاص في استخدام اللغة الهجومية والساخرة للتعبير عن آرائهم. هذه الكلمات تسبب الألم للآخرين وجعل الناس يشعرون بالأسفل. يتم استخدام بعض الأشخاص لتقاسم السعادة مع الآخرين وتشجيع الآخرين. هؤلاء الناس يجلبون الفرح والأمل في الآخرين من خلال كلماتهم. على منصات وسائل التواصل الاجتماعي، فإن هذين النوعين من اللغة هم في كل مكان. إذا كان الناس يرغبون في جعل العالم عبر الإنترنت مكانا أفضل، فسيتعين عليهم التعامل معهما. لذلك تحديد اللغة الهجومية ولغة الأمل مهمة أساسية. كانت هناك العديد من المهام حول اللغة المسيئة. تستخدم مهمة مشتركة على الكشف عن الكلام عن الأمل للمساواة والتنوع والإدماج في LT-EDI 2021-EACL 2021 وجهة نظر فريدة أخرى - لتحديد لغة الأمل في تقديم مساهمات في المجتمع. نموذج XLM-Roberta هو نموذج ممتاز متعدد اللغات. استخدم فريقنا نموذج XLM-Roberta ذو ضبط ضبطه لإنجاز هذه المهمة.
في عالم مع تحديات خطيرة مثل تغير المناخ والصراعات الدينية والسياسية، والأوبئة العالمية والإرهاب، والتمييز العنصري، وهو إنترنت مليء بخطاب الكراهية، والمحتوى المسيء والهجوم هو آخر شيء نرغب فيه.في هذه الورقة، نعمل على تحديد وتعزيز المحتوى الإيجابي والدا عم على هذه المنصات.نحن نعمل مع العديد من النماذج القائمة على المحولات لتصنيف تعليقات وسائل التواصل الاجتماعي ككلام نأمل أو عدم الأمل باللغات باللغة الإنجليزية، مالايالام، وتاميل.تصور هذه الورقة عملنا للمهمة المشتركة على اكتشاف خطاب الأمل للهاتف والتنوع والتنوع والإدماج في LT-EDI 2021- EACL 2021. يمكن عرض رموز أفضل طلباتنا.
التحليل والكشف عن البيانات المختلطة من الكود أمر حتمي في الأوساط الأكاديمية والصناعة، في بلد متعدد اللغات مثل الهند، من أجل حل المشاكل معالجة اللغة الطبيعية في Apropos.تقترح هذه الورقة ذاكرة قصيرة الأجل الطويلة الأجل (Bilstm) مع النهج القائم على الاه تمام، في حل مشكلة الكشف عن الكلام الأمل.باستخدام هذا النهج، تم تحقيق نتيجة F1 من 0.73 (9 أنثو) في مجموعة بيانات ملليالامية - من بين ما مجموعه 31 فريقا شاركت في المسابقة.

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