BriefGPT - AI 论文速递
·
探索边界和强度：揭示社交媒体言论的复杂范围
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究使用推特数据创建了Amharic基准数据集，用于分类和评估仇恨目标、冒犯和仇恨的强度。结果显示，仇恨和冒犯性言论无法简单地进行二元分类，而是在连续数值范围内变化。Afro-XLMR-large模型在这些任务中表现最好，具有强大的一致性。
🎯
关键要点
- 该研究使用8,258条推特数据创建了Amharic基准数据集。
- 基准数据集用于三个任务：分类、识别仇恨目标和评估冒犯和仇恨的强度。
- 研究结果表明，仇恨和冒犯性言论无法简单地进行二元分类，而是在连续数值范围内变化。
- Afro-XLMR-large模型在这些任务中表现最好，F1分数分别为75.30%、70.59%和29.42%。
- Afro-XLMR-large模型的相关系数为80.22%，显示出强大的一致性。
🏷️
标签
➡️
