زبان توهین آمیز عربی در توییتر: تجزیه و تحلیل و آزمایش

عنوان زبان توهین آمیز عربی در توییتر: تجزیه و تحلیل و آزمایش
نویسنده مبارک، ح.، رشید، عمرو، درویش، ک.، سمیه، ی.، عبدالعلی، ع.
تاریخ انتشار: 2021
محل انتشار - انجمن زبانشناسی محاسباتی (ACL)
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-195408509-1
شماره ثبت 4ba44e73-6907-4603-929c-e8667dbff1c9
تاریخ 2021
متن نمونه تشخیص زبان توهین‌آمیز در توییتر کاربردهای زیادی دارد، از تشخیص/پیش‌بینی قلدری گرفته تا اندازه‌گیری قطبی‌سازی. در این مقاله، ما بر روی ایجاد یک مجموعه داده توئیت توهین آمیز عربی تمرکز می کنیم. ما روشی را برای ساخت یک مجموعه داده معرفی می کنیم که بر اساس موضوع، گویش یا هدف تعصب ندارد. ما بزرگترین مجموعه داده عربی را تا به امروز با برچسب های ویژه برای ابتذال و سخنان نفرت تولید می کنیم. ما مجموعه داده را به طور کامل تجزیه و تحلیل می کنیم تا مشخص کنیم کدام موضوعات، لهجه ها و جنسیت بیشتر با توییت های توهین آمیز مرتبط است و عرب زبانان چگونه از زبان توهین آمیز استفاده می کنند. در نهایت، ما آزمایش‌های زیادی را برای تولید نتایج قوی (F1 = 83.2) روی مجموعه داده با استفاده از تکنیک‌های SOTA انجام می‌دهیم.
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

زبان توهین آمیز عربی در توییتر: تجزیه و تحلیل و آزمایش

نویسنده مبارک، ح.، رشید، عمرو، درویش، ک.، سمیه، ی.، عبدالعلی، ع.
تاریخ انتشار 2021
محل انتشار - انجمن زبانشناسی محاسباتی (ACL)
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-195408509-1
شماره ثبت 4ba44e73-6907-4603-929c-e8667dbff1c9
تاریخ 2021
متن نمونه تشخیص زبان توهین‌آمیز در توییتر کاربردهای زیادی دارد، از تشخیص/پیش‌بینی قلدری گرفته تا اندازه‌گیری قطبی‌سازی. در این مقاله، ما بر روی ایجاد یک مجموعه داده توئیت توهین آمیز عربی تمرکز می کنیم. ما روشی را برای ساخت یک مجموعه داده معرفی می کنیم که بر اساس موضوع، گویش یا هدف تعصب ندارد. ما بزرگترین مجموعه داده عربی را تا به امروز با برچسب های ویژه برای ابتذال و سخنان نفرت تولید می کنیم. ما مجموعه داده را به طور کامل تجزیه و تحلیل می کنیم تا مشخص کنیم کدام موضوعات، لهجه ها و جنسیت بیشتر با توییت های توهین آمیز مرتبط است و عرب زبانان چگونه از زبان توهین آمیز استفاده می کنند. در نهایت، ما آزمایش‌های زیادی را برای تولید نتایج قوی (F1 = 83.2) روی مجموعه داده با استفاده از تکنیک‌های SOTA انجام می‌دهیم.
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید