计算机软件及计算机应用论文_基于多语BERT的无 - 资源与产业杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

计算机软件及计算机应用论文_基于多语BERT的无

作者:

关键词:

摘要：

文章摘要:攻击性言论对社会安定造成严重不良影响，目前对攻击性言论自动检测主要集中在少数几种高资源语言，而对低资源语言缺少足够的攻击性言论标注语料导致检测较困难的情形，提出了一种跨语言无监督攻击性迁移检测方法。首先，使用多语BERT模型在高资源英语数据集上进行对攻击性特征的学习，得到一个原模型；然后，通过分析英语与丹麦语、阿拉伯语、土耳其语、希腊语的语言相似程度，将原模型迁移到这四种低资源语言上，实现对低资源语言的攻击性言论自动检测。实验结果显示，与BERT、LR、SVM、MLP四种方法相比，所提的方法在检测丹麦语、阿拉伯语、土耳其语、希腊语四种语言上的准确率和F1值上提高了近2个百分点。所提出的方法无监督攻击性检测准确率接近目前的有监督检测，可见所提出的采用了跨语言模型迁移学习和迁移检测相结合方法，能够实现对低资源语言的无监督攻击性检测。

文章关键词:

论文分类号:TP391.1

文章来源：《资源与产业》网址: http://www.zyycyzz.cn/qikandaodu/2022/0121/2648.html