論文の概要: Trigger Warnings: Bootstrapping a Violence Detector for FanFiction
- arxiv url: http://arxiv.org/abs/2209.04409v1
- Date: Fri, 9 Sep 2022 17:27:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-12 12:40:40.213282
- Title: Trigger Warnings: Bootstrapping a Violence Detector for FanFiction
- Title(参考訳): トリガー警告:ファンフィクション用バイオレンス検出器のブートストラップ
- Authors: Magdalena Wolska, Christopher Schr\"oder, Ole Borchardt, Benno Stein,
and Martin Potthast
- Abstract要約: 本稿では,新しい計算課題であるトリガー警告の課題に対して,最初のデータセットと評価結果を提示する。
ラベル付きコーパスデータは、有名なファンフィクションサイトArchive of Our Own (AO3)にホストされた物語作品から収集されている。
- 参考スコア(独自算出の注目度): 24.04917978057961
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present the first dataset and evaluation results on a newly defined
computational task of trigger warning assignment. Labeled corpus data has been
compiled from narrative works hosted on Archive of Our Own (AO3), a well-known
fanfiction site. In this paper, we focus on the most frequently assigned
trigger type--violence--and define a document-level binary classification task
of whether or not to assign a violence trigger warning to a fanfiction,
exploiting warning labels provided by AO3 authors. SVM and BERT models trained
in four evaluation setups on the corpora we compiled yield $F_1$ results
ranging from 0.585 to 0.798, proving the violence trigger warning assignment to
be a doable, however, non-trivial task.
- Abstract(参考訳): 本稿では,新しい計算課題であるトリガー警告の課題に対して,最初のデータセットと評価結果を示す。
ラベル付きコーパスデータは、有名なファンフィクションサイトArchive of Our Own (AO3)にホストされた物語作品から収集されている。
本稿では,最も頻繁に割り当てられるトリガ型-----に着目し,ao3の著者による警告ラベルを活用し,暴力的トリガ警告をファンフィクションに割り当てるか否かの文書レベルのバイナリ分類タスクを定義する。
SVM と BERT モデルは、コーパス上で4つの評価設定でトレーニングされ、0.585 から 0.798 まで F_1$ の結果が得られた。
関連論文リスト
- OrderBkd: Textual backdoor attack through repositioning [0.0]
サードパーティのデータセットと事前トレーニングされた機械学習モデルは、NLPシステムに脅威をもたらす。
既存のバックドア攻撃は、トークンの挿入や文のパラフレーズなどのデータサンプルを毒殺する。
これまでの研究との大きな違いは、文中の2つの単語の配置をトリガーとして使うことです。
論文 参考訳(メタデータ) (2024-02-12T14:53:37Z) - ACWRecommender: A Tool for Validating Actionable Warnings with Weak
Supervision [10.040337069728569]
静的解析ツールは潜在的なバグを見つけるために開発者の間で人気を集めているが、その広く採用されていることは、偽のアラーム率の高さによって妨げられている。
従来の研究は、行動警告の概念を提案し、行動警告と誤警報を区別するために機械学習手法を適用した。
本稿では,ACWRecommenderと呼ばれる2段階のフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-18T12:35:28Z) - Sentence-level Event Detection without Triggers via Prompt Learning and
Machine Reading Comprehension [4.7644324702494165]
本稿では,機械読解と素早い学習に基づくトリガーフリー事象検出モデルを提案する。
既存のトリガーベースとトリガーフリーの手法と比較して、2つのイベント検出ベンチマークデータセットに関する実験的研究により、提案手法が競合性能を達成できることが示されている。
論文 参考訳(メタデータ) (2023-06-25T09:03:56Z) - Multi-modal Prompting for Low-Shot Temporal Action Localization [95.19505874963751]
低ショット(ゼロショット・少数ショット)シナリオ下での時間的行動局所化の問題点を考察する。
クラスに依存しない2段階のアクションローカライズアーキテクチャをTransformerに導入し,その後にオープン語彙分類を行った。
論文 参考訳(メタデータ) (2023-03-21T10:40:13Z) - Augment and Criticize: Exploring Informative Samples for Semi-Supervised
Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。
我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。
3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文 参考訳(メタデータ) (2023-03-20T16:28:15Z) - Pre-trained Language Models as Re-Annotators [3.193067591317475]
事前学習言語モデルから意味センシティブなアノテーション表現を取得する方法について検討する。
アノテーション修正のためのクロスバリデーションに基づく事前学習言語モデルを微調整する。
関係抽出における再アノテーションについて検討し、手動で改訂したデータセットRe-DocREDを作成する。
論文 参考訳(メタデータ) (2022-05-11T09:28:23Z) - Identifying Adversarial Attacks on Text Classifiers [32.958568467774704]
本稿では,その生成にどの方法が使われたかを決定するために,逆テキストを解析する。
最初のコントリビューションは、攻撃検出とラベル付けのための広範なデータセットです。
第2のコントリビューションとして、このデータセットを使用して、攻撃識別のための多くの分類器を開発し、ベンチマークします。
論文 参考訳(メタデータ) (2022-01-21T06:16:04Z) - Towards Variable-Length Textual Adversarial Attacks [68.27995111870712]
データの離散性のため、自然言語処理タスクに対してテキストによる敵意攻撃を行うことは非自明である。
本稿では,可変長テキスト対比攻撃(VL-Attack)を提案する。
本手法は、iwslt14ドイツ語英訳で3,18$ bleuスコアを達成でき、ベースラインモデルより1.47$改善できる。
論文 参考訳(メタデータ) (2021-04-16T14:37:27Z) - Detection of Adversarial Supports in Few-shot Classifiers Using Feature
Preserving Autoencoders and Self-Similarity [89.26308254637702]
敵対的なサポートセットを強調するための検出戦略を提案する。
我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。
提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
論文 参考訳(メタデータ) (2020-12-09T14:13:41Z) - Temporal Action Detection with Multi-level Supervision [116.55596693897388]
本稿では,ラベル付きデータとラベルなしデータを組み合わせたSemi-supervised Action Detection (SSAD)タスクを紹介する。
半教師付き分類タスクから直接適応したSSADベースラインの異なるタイプのエラーを解析する。
我々は,弱いラベル付きデータをSSADに組み込んで,3段階の監視レベルを持つOmni-supervised Action Detection (OSAD)を提案する。
論文 参考訳(メタデータ) (2020-11-24T04:45:17Z) - 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)
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。