AdamR at SemEval-2023 Task 10: Solving the Class Imbalance Problem in Sexism Detection with Ensemble Learning

要約

オンライン性差別の説明可能な検出タスクでは、3 つのサブタスクによる性差別事例のきめ細かい分類を通じて、説明可能な性差別検出の問題を提示します。
私たちのチームは、データ拡張および損失変更技術を使用して、タスク全体でクラスの不均衡に対処するさまざまな方法を実験しました。
私たちは、パフォーマンスと解釈可能性のバランスを見つけるためにテストされた、さまざまなデータセットでトレーニングされた Transformer モデルのアンサンブルを利用することでこの課題に取り組みました。
このソリューションにより、私たちは各トラックのチームの上位 40\% にランクされました。

要約(オリジナル)

The Explainable Detection of Online Sexism task presents the problem of explainable sexism detection through fine-grained categorisation of sexist cases with three subtasks. Our team experimented with different ways to combat class imbalance throughout the tasks using data augmentation and loss alteration techniques. We tackled the challenge by utilising ensembles of Transformer models trained on different datasets, which are tested to find the balance between performance and interpretability. This solution ranked us in the top 40\% of teams for each of the tracks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google