في هذه الورقة، نركز على اكتشاف خطاب الكراهية الجنسية ضد المرأة في تغريدات الدراسة لأول مرة تأثير الكشف عن التصنيف الجنساني حول التصنيف الجنساني.نقترح: (1) البيانات الأولى المشروحة للكشف عن النمط الجنساني، (2) طريقة جديدة لتعزيز البيانات بناء على تشابه الجملة مع مجموعات بيانات خارجية متعددة اللغات، و (3) مجموعة من تجارب التعلم العميق أولا للكشف عن القوالب النمطية الجنسانية ثم، لاستخدام هذه المهمة الإضافية للكشف عن الجنسين.على الرغم من أن وجود الصور النمطية لا ينطوي بالضرورة على المحتوى البغيض، إلا أن نتائجنا تظهر أن التصنيف الجنسي يمكن أن يستفيد بشكل نهائي من اكتشاف الصورة النمطية الجنسانية.
In this paper, we focus on the detection of sexist hate speech against women in tweets studying for the first time the impact of gender stereotype detection on sexism classification. We propose: (1) the first dataset annotated for gender stereotype detection, (2) a new method for data augmentation based on sentence similarity with multilingual external datasets, and (3) a set of deep learning experiments first to detect gender stereotypes and then, to use this auxiliary task for sexism detection. Although the presence of stereotypes does not necessarily entail hateful content, our results show that sexism classification can definitively benefit from gender stereotype detection.
المراجع المستخدمة
https://aclanthology.org/
يؤثر البحث على الإنترنت على إدراك الناس في العالم، وبالتالي فإن التخفيف من التحيزات في نتائج البحث ونماذج التعلم العادلة أمر حتمي للجيدة الاجتماعية.نحن ندرس تحيز جنساني فريد من نوعه في البحث في الصورة في هذا العمل: غالبا ما تكون صور البحث في كثير من
أصبحت تمثيلات ناقلات عنصر مركزي في نمذجة اللغة الدلالية، مما يؤدي إلى التداخل الرياضي مع العديد من الحقول بما في ذلك النظرية الكمومية. التركيز هو الهدف الأساسي لهذه التمثيل: تمثيل تمثيلات مع الرطب "والأسماك"، كيف ينبغي تمثيل مفهوم السمك الرطب؟ يستطلع
نلاحظ مثالا على التحيز المستحث بين الجنسين في تطبيق في النهر، على الرغم من عدم وجود كلمات جنسانية صريحة في حالات الاختبار.نحن نقدم مجموعة اختبار، Sowinobias، لغرض قياس مثل هذه التحيز الجنساني الكامن في أنظمة حل السلاسة.نقيم أداء أساليب الدخل الحالية
أصبح الانتشار الهائل للمعلومات الخاطئة عن وسائل التواصل الاجتماعي مخاطر عالمية خاصة في وضع جائحة عالمي مثل Covid-19. وبالتالي أصبح الكشف عن المعلومات الخاطئة موضوعا للأبحاث في الأشهر الأخيرة. في السنوات الأخيرة، تم استخدام نماذج تعلم الآلات الخاضعة ل
في هذه الورقة، نتعلم مشكلة توليد النصوص الدقيقة بميزانية حسابية محدودة.لذلك، نستخدم هندسة شبكة مصممة ذات أداء أداء جيدا (GAN) - Gan التي ترويج التنوع (DPGAN)، وحاول استبدال قطرة LSTM بطبقة محول ذاتية انتباهي من أجل الرافعة الماليةكفاءتهم.تم تقييم DPG