SSS at SemEval-2023 Task 10: Explainable Detection of Online Sexism using Majority Voted Fine-Tuned Transformers

要約

タイトル：SSS at SemEval-2023 Task 10: Explainable Detection of Online Sexism using Majority Voted Fine-Tuned Transformers

要約：
– この論文では、SemEval 2023の Task 10 において、オンライン性差別の説明可能な検出（EDOS）の3つのサブタスクに挑戦したことが述べられている。
– 近年のソーシャルメディアの普及により、女性がソーシャルメディアで経験する性差別の水準が過剰になっており、オンライン性差別を検出し説明することがますます重要になっている。
– 我々のアプローチは、BERTベースのモデルの実験やファインチューニングを行い、筆頭投票アンサンブルモデルを使用して、個々のモデルを上回る性能を発揮するものである。
– 我々のシステムは、タスクAに対してマクロF1スコアが0.8392、タスクBに対して0.6092、タスクCに対して0.4319を達成した。

要約(オリジナル)

This paper describes our submission to Task 10 at SemEval 2023-Explainable Detection of Online Sexism (EDOS), divided into three subtasks. The recent rise in social media platforms has seen an increase in disproportionate levels of sexism experienced by women on social media platforms. This has made detecting and explaining online sexist content more important than ever to make social media safer and more accessible for women. Our approach consists of experimenting and finetuning BERT-based models and using a Majority Voting ensemble model that outperforms individual baseline model scores. Our system achieves a macro F1 score of 0.8392 for Task A, 0.6092 for Task B, and 0.4319 for Task C.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI