文本中的抽象仇恨言语分析很重要,其检测模型的开发提出了一个挑战,需要考虑各种方法,尤其是基于自然语言处理的方法。在同性恋2024共享任务的曲目3中提出的歌曲中同性恋术语的识别引起了人们的关注,因为这些事件在该地区创造了新知识。本文提出了传统的机器学习和深度学习算法的利用来比较其性能。在提交的运行中,团队使用NNLM嵌入的决策树取得了最佳效果,获得了0.482的宏F1分数,并具有类似BERT的模型(Beto),该模型获得了0.486的宏F1分数。这代表了一个非显着差异,表明该问题的模型行为没有实质性的区别,并且由于整体得分较低,因此需要进一步研究。
[AG 323.3 (211 十二月 117) JV •.美国 AllMY ELEMBNT、美国陆军航空兵交换服务公司 (869,J)。 H{fcctl1,c 19 Dcocmliar 1D5"t,L11c 美国 Al'IIIY 元素,美国陆军航空部队 E:,:eh1111gc Sel'l'icc (8Gll4),u <'lns!i II 忠实cc 交易所