https://ertim.inalco.fr/ fr https://ertim.inalco.fr/node/632 <span class="field field--name-title field--type-string field--label-hidden">Hate speech detection in social media</span> <span class="field field--name-uid field--type-entity-reference field--label-hidden"><span>Anonyme (non vérifié)</span></span> <span class="field field--name-created field--type-created field--label-hidden">ven 06/11/2020 - 00:00</span> <div class="field field--name-field-auteur field--type-string field--label-above"> <div class="field__label">Auteur</div> <div class="field__item">Yihong Ouyang</div> </div> <div class="field field--name-field-annee field--type-integer field--label-above"> <div class="field__label">Année</div> <div class="field__item">2019</div> </div> <div class="field field--name-field-abstract field--type-string-long field--label-above"> <div class="field__label">Résumé</div> <div class="field__item">Avec la popularité des plates-formes de réseaux sociaux, de plus en plus de personnes sont connectées et partagent des informations. Bien que nous profitions de cet environnement ouvert, nous devrions également envisager l&#039;un des dommages potentiels qu&#039;il entraîne: le discours de haine en ligne. Détecter le discours de haine a été un défi pour le traitement du langage naturel. Ici, nous construisons et comparons 8 modèles traditionnels d’apprentissage automatique avec des réseaux de neurones. Il s’avère que notre modèle construit sur le transformateur BERT atteint la plus haute précision de 0,93. Nous analysons des méthodes détaillées et quelques problèmes actuels de la définition et de l’ensemble de données.</div> </div> <div class="field field--name-field-tags field--type-entity-reference field--label-above"> <div class="field__label">Mots-clés</div> <div class="field__items"> <div class="field__item"><a href="/taxonomy/term/2547" hreflang="fr">text classification</a></div> </div> </div> Thu, 05 Nov 2020 23:00:00 +0000 Anonyme 632 at https://ertim.inalco.fr