Facebook-Post-Aggression-Identification:讲习班包括有关“侵略识别”的共同任务。 任务是开...

Facebook的侵略后识别 任务 攻击识别和仇恨语音检测已成为网络骚扰和网络欺凌的重要组成部分，自动攻击识别可导致此类巨魔的拦截。 遵循同样的理想化，我们参加了研讨会（Kumar等，2018a），其中包括有关“侵略识别”的共同任务。 该任务旨在开发一种系统，该系统可以对文本数据进行“积极进取（OAG）”，“积极进取（CAG）”和“非积极进取（NAG）”三类分类。 为此，开发了15,000个以印地语（罗马和梵文）和英语编写的15,000个带有攻击性注释的Facebook帖子和评论的数据集（Kumar等人，2018b）（该数据集将在2002年年底后公开提供）。竞赛）。 特别是，英语开发的系统在用于对社交媒体文本进行分类时，表现优于所有共享任务提交系统。 数据集 比赛结束后，将根据知识共享非商业性相同共享4.0许可CC-BY-NC-SA 4.0（ ）！ 请单击此处（ ）以获取任务中使用的