論文の概要: Detecting Hostile Posts using Relational Graph Convolutional Network
- arxiv url: http://arxiv.org/abs/2101.03485v1
- Date: Sun, 10 Jan 2021 06:50:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-08 08:25:06.358651
- Title: Detecting Hostile Posts using Relational Graph Convolutional Network
- Title（参考訳）: リレーショナルグラフ畳み込みネットワークを用いた敵対的ポストの検出
- Authors: Sarthak, Shikhar Shukla, Govind Mittal, Karm Veer Arya
- Abstract要約: この研究は、ソーシャルメディアプラットフォーム上でヒンディー語で敵対的な投稿を検出するためにAAAI@2021が実施したコンテストへの提出に基づいている。
ここでは,畳み込みネットワークを用いた敵対的ポスト分類のためのモデルを提案する。
提案されたモデルは、与えられたデータセット上のGoogleのXLM-RoBERTaと同等に実行されている。
XLMRobertaを用いた分類システムでは, 細粒度分類では2位であった。
- 参考スコア（独自算出の注目度）: 1.8734449181723827
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work is based on the submission to the competition Hindi Constraint
conducted by AAAI@2021 for detection of hostile posts in Hindi on social media
platforms. Here, a model is presented for detection and classification of
hostile posts and further classify into fake, offensive, hate and defamation
using Relational Graph Convolutional Networks. Unlike other existing work, our
approach is focused on using semantic meaning along with contextutal
information for better classification. The results from AAAI@2021 indicates
that the proposed model is performing at par with Google's XLM-RoBERTa on the
given dataset. Our best submission with RGCN achieves an F1 score of 0.97 (7th
Rank) on coarse-grained evaluation and achieved best performance on identifying
fake posts. Among all submissions to the challenge, our classification system
with XLM-Roberta secured 2nd rank on fine-grained classification.
- Abstract（参考訳）: 本研究は, aaai@2021 がヒンディー語における敵対的ポストをソーシャルメディア上で検出するために実施した競争ヒンディー語制約への提案に基づいている。
ここでは,敵対的ポストの検出と分類,および関係グラフ畳み込みネットワークを用いた虚偽,不快,憎悪,名誉の分類を行うモデルを提案する。
他の既存の研究と異なり、我々のアプローチは、より優れた分類のための文脈情報とともに意味論的意味の使用に焦点を当てている。
aaai@2021の結果は、提案モデルが与えられたデータセット上でgoogleのxlm-robertaと同等のパフォーマンスを示している。
粗粒度評価におけるF1スコア0.97(7位)を達成し,偽ポストの識別における最高の性能を達成した。
XLM-Robertaを用いた分類システムでは,細粒度分類では2位であった。
関連論文リスト
- Text Augmentations with R-drop for Classification of Tweets Self
Reporting Covid-19 [28.91836510067532]
本稿では,ソーシャル・メディア・マイニング・フォー・ヘルス2023共有タスクのためのモデルを提案する。
我々のアプローチは、多種多様なテキスト拡張を取り入れた分類モデルである。
テストセットのF1スコアは0.877である。
論文 参考訳（メタデータ） (2023-11-06T14:18:16Z) - Fine-grained Recognition with Learnable Semantic Data Augmentation [68.48892326854494]
きめ細かい画像認識は、長年続くコンピュータビジョンの課題である。
本稿では,識別領域損失問題を軽減するため,特徴レベルのトレーニングデータを多様化することを提案する。
本手法は,いくつかの人気分類ネットワーク上での一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2023-09-01T11:15:50Z) - Okapi: Generalising Better by Making Statistical Matches Match [7.392460712829188]
オカピは、オンライン統計マッチングに基づく頑健な半教師あり学習のためのシンプルで効率的で汎用的な方法である。
提案手法では, 最寄りのマッチング手法を用いて, 整合性損失に対するクロスドメインビューを生成する。
経験的リスクの最小化を改善するために、余分な遅延のないデータを活用することは実際に可能であることを示す。
論文 参考訳（メタデータ） (2022-11-07T12:41:17Z) - No Fear of Heterogeneity: Classifier Calibration for Federated Learning
with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。
このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。
実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文 参考訳（メタデータ） (2021-06-09T12:02:29Z) - KBCNMUJAL@HASOC-Dravidian-CodeMix-FIRE2020: Using Machine Learning for
Detection of Hate Speech and Offensive Code-Mixed Social Media text [1.0499611180329804]
本論文では,欧州言語におけるHate Speech と Offensive Content Identification の共有タスク 2 タスクについて,KBCNMUJAL チームから提出されたシステムについて述べる。
2つのドラヴィディアン言語Vizのデータセット。
サイズ4000のマラヤラムとタミルは、それぞれHASOC主催者によって共有されました。
両言語で開発された最も優れた分類モデルは、テストデータセットに適用される。
論文 参考訳（メタデータ） (2021-02-19T11:08:02Z) - Divide and Conquer: An Ensemble Approach for Hostile Post Detection in
Hindi [25.723773314371947]
このタスクのデータは、twitterとfacebookから収集されたhindi devanagariスクリプトで提供される。
マルチラベルのマルチクラス分類問題であり、各データインスタンスは、偽物、憎悪、攻撃、中傷、非敵意の5つのクラスのうち1つまたはそれ以上にアノテートされる。
私たちのチーム「Albatross」は、ヒンディー語のサブタスクでHostile Post Detectionで0.9709粗末な敵意F1スコアを達成し、タスクのために45チーム中2位を確保しました。
論文 参考訳（メタデータ） (2021-01-20T05:38:07Z) - LaDiff ULMFiT: A Layer Differentiated training approach for ULMFiT [0.0]
事前に訓練したUMMFiT arXiv:1801.06146モデルを訓練するためのレイヤ別トレーニング手順を提案する。
特別なトークンを使用してツイートの特定の部分をアノテートし、言語理解を改善し、モデルに関する洞察を得ました。
提案手法は、サブタスク「COVID19 Fake News Detection in English」で164人中61位にランクインした。
論文 参考訳（メタデータ） (2021-01-13T09:52:04Z) - Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。
本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。
提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
論文 参考訳（メタデータ） (2020-07-11T21:20:55Z) - ScoreGAN: A Fraud Review Detector based on Multi Task Learning of
Regulated GAN with Data Augmentation [50.779498955162644]
生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。
その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
論文 参考訳（メタデータ） (2020-06-11T16:15:06Z) - SCAN: Learning to Classify Images without Labels [73.69513783788622]
機能学習とクラスタリングを分離する2段階のアプローチを提唱する。
表現学習からの自己教師型タスクを用いて意味論的意味のある特徴を得る。
我々は、ImageNet上で有望な結果を得、低データ体制下では、いくつかの半教師付き学習方法より優れています。
論文 参考訳（メタデータ） (2020-05-25T18:12:33Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。