論文の概要: A Simple Voting Mechanism for Online Sexist Content Identification
- arxiv url: http://arxiv.org/abs/2105.14309v1
- Date: Sat, 29 May 2021 14:25:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:23:32.615576
- Title: A Simple Voting Mechanism for Online Sexist Content Identification
- Title(参考訳): オンライン性コンテンツ識別のための簡易投票機構
- Authors: Chao Feng
- Abstract要約: 本稿では、英語とスペイン語のソーシャルメディアタスクにおける性差別検出に関するEXIST 2021 Challengeで、MiniTrueチームについて紹介する。
提案手法は,性差別的ラベル予測のための単純な投票機構と言語モデルを組み合わせたものである。
- 参考スコア(独自算出の注目度): 9.13755431537592
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the participation of the MiniTrue team in the EXIST 2021
Challenge on the sexism detection in social media task for English and Spanish.
Our approach combines the language models with a simple voting mechanism for
the sexist label prediction. For this, three BERT based models and a voting
function are used. Experimental results show that our final model with the
voting function has achieved the best results among our four models, which
means that our voting mechanism brings an extra benefit to our system.
Nevertheless, we also observe that our system is robust to data sources and
languages.
- Abstract(参考訳): 本稿では、英語とスペイン語のソーシャルメディアタスクにおける性差別検出に関するEXIST 2021 Challengeに参加するMiniTrueチームについて述べる。
本手法は,性差別的ラベル予測のための単純な投票機構と言語モデルを組み合わせる。
このため、3つのBERTベースのモデルと投票関数が使用される。
実験結果から, 投票機能を持つ最終モデルは, 4つのモデルの中で最高の結果を得たことが示され, 投票機構がシステムにさらなる利益をもたらすことが示唆された。
それにもかかわらず、我々のシステムはデータソースや言語に対して堅牢であることも観察している。
関連論文リスト
- Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳(メタデータ) (2024-07-16T05:52:26Z) - Multilingual Text-to-Image Generation Magnifies Gender Stereotypes and Prompt Engineering May Not Help You [64.74707085021858]
多言語モデルは、モノリンガルモデルと同様に、有意な性別バイアスに悩まされていることを示す。
多言語モデルにおけるジェンダーバイアスの研究を促進するための新しいベンチマークMAGBIGを提案する。
以上の結果から,モデルが強い性バイアスを示すだけでなく,言語によって異なる行動を示すことが明らかとなった。
論文 参考訳(メタデータ) (2024-01-29T12:02:28Z) - AI-UPV at EXIST 2023 -- Sexism Characterization Using Large Language
Models Under The Learning with Disagreements Regime [2.4261434441245897]
本稿では,CLEF 2023のEXIST (sexism Identification in Social networks) LabへのAI-UPVチームの参加について述べる。
提案手法は、性差別の識別と特徴付けの課題を、不一致のパラダイムによる学習の下で解決することを目的としている。
提案システムは、大きな言語モデル(mBERTとXLM-RoBERTa)と、英語とスペイン語で性差別の識別と分類のためのアンサンブル戦略を使用する。
論文 参考訳(メタデータ) (2023-07-07T04:49:26Z) - Label Aware Speech Representation Learning For Language Identification [49.197215416945596]
本稿では,自己指導型表現学習と事前学習タスクのための言語ラベル情報を組み合わせた新しいフレームワークを提案する。
このフレームワークは、ラベル認識音声表現(LASR)学習と呼ばれ、三重項に基づく目的関数を使用して、言語ラベルと自己教師付き損失関数を組み込む。
論文 参考訳(メタデータ) (2023-06-07T12:14:16Z) - User-Centric Gender Rewriting [12.519348416773553]
我々は2人のユーザー(私とあなた)を巻き込んだ文脈におけるジェンダーリライトの課題を定義する。
ルールベースモデルとニューラルリライトモデルの両方の肯定的な側面を組み合わせたマルチステップシステムを開発した。
本研究は、アラビア語のジェンダー書き直しのためのコーパスにおいて、このアプローチの有効性を実証することに成功した。
論文 参考訳(メタデータ) (2022-05-04T17:46:17Z) - Exploiting Network Structures to Improve Semantic Representation for the
Financial Domain [9.13755431537592]
本稿では、FinSim-3におけるMiniTrueチームが、英語の金融分野におけるセマンティックな類似性を学習するタスクについて述べる。
提案手法では,変換言語モデルから学習した文脈埋め込みと,外部知識ソースから抽出したネットワーク構造埋め込みを組み合わせる。
実験結果から,知識グラフ埋め込みモデルの方が文脈埋め込みのみのモデルよりも優れた結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-07-13T07:32:18Z) - Read Like Humans: Autonomous, Bidirectional and Iterative Language
Modeling for Scene Text Recognition [80.446770909975]
言語知識はシーンのテキスト認識に非常に有益である。
エンドツーエンドのディープネットワークで言語規則を効果的にモデル化する方法はまだ研究の課題です。
シーンテキスト認識のための自律的双方向反復型ABINetを提案する。
論文 参考訳(メタデータ) (2021-03-11T06:47:45Z) - LTIatCMU at SemEval-2020 Task 11: Incorporating Multi-Level Features for
Multi-Granular Propaganda Span Identification [70.1903083747775]
本稿では,新聞記事におけるプロパガンダ・スパン識別の課題について述べる。
本稿では,BERT-BiLSTMに基づくプロパガンダ分類モデルを提案する。
論文 参考訳(メタデータ) (2020-08-11T16:14:47Z) - Model Checkers Are Cool: How to Model Check Voting Protocols in Uppaal [2.1348376910119273]
State-of-art Model Checker Uppaalは投票プロトコルのモデリングと事前検証のための優れた環境を提供する。
モデルチェッカーのプロパティ仕様言語に厳しい制限があるにもかかわらず、レシートフリーの変種を検証する方法を示す。
論文 参考訳(メタデータ) (2020-07-24T09:05:06Z) - Mitigating Gender Bias in Captioning Systems [56.25457065032423]
ほとんどのキャプションモデルは性別バイアスを学習し、特に女性にとって高い性別予測エラーにつながる。
本稿では, 視覚的注意を自己指導し, 正しい性的な視覚的証拠を捉えるためのガイド付き注意画像キャプチャーモデル(GAIC)を提案する。
論文 参考訳(メタデータ) (2020-06-15T12:16:19Z)
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。