文件名称：HateXplain:我们可以使用解释来改善仇恨言论模型吗？ 论文被AAAI 2021接受
文件大小：2.37MB
文件格式：ZIP
更新时间：2024-06-11 18:17:11
detection lstm offensive bias hatespeech
:magnifying_glass_tilted_right: HateXplain：可解释的仇恨语音检测的基准数据集[AAAI 2021接受] :party_popper: :party_popper: BERT检测仇恨言论从我们的数据与训练的理由可以。 一定要检查一下 :party_popper: :party_popper: 。 :party_popper: :party_popper: 现在，您可以从Huggingface数据集加载我们的数据集。 一定要检查一下 :party_popper: :party_popper: 。 :party_popper: :party_popper: 看看我们的预印本以获得更详细的信息 :party_popper: :party_popper: 。 抽象的 仇恨言论是困扰在线社交媒体的一个具有挑战性的问题。 尽管不断开发出更好的仇恨语音检测模型，但对仇恨语音的偏见和可解释性方面的研究很少。 在这项工作中，我们介绍了HateXplain，这是涵盖该问题多个方面的第一个基准讨厌语音数据集。 我们数据集中的每个帖子都从三个不同的角度
【文件预览】：
HateXplain-master
----test_parallel.sh(1KB)
----.gitignore(2KB)
----eraserbenchmark()
--------.gitignore(1KB)
--------requirements.txt(194B)
--------REPRODUCTION.txt(4KB)
--------params()
--------LICENSE(11KB)
--------data_exploration.ipynb(12KB)
--------README.md(3KB)
--------rationale_benchmark()
----Parameters_description.md(4KB)
----convert_to_word2vec.py(587B)
----requirements.txt(301B)
----Explainability_Calculation_NB.ipynb(18KB)
----TensorDataset()
--------__init__.py(0B)
--------dataLoader.py(2KB)
--------datsetSplitter.py(5KB)
----testing_with_lime.py(15KB)
----best_model_json()
--------bestModel_bert_base_uncased_Attn_train_FALSE.json(1KB)
--------bestModel_birnnscrat.json(1KB)
--------bestModel_cnn_gru.json(1KB)
--------bestModel_birnnatt.json(1KB)
--------bestModel_bert_base_uncased_Attn_train_TRUE.json(1KB)
--------bestModel_birnn.json(1KB)
----Bias_Calculation_NB.ipynb(71KB)
----LICENSE(1KB)
----best_runs.sh(2KB)
----manual_training_inference.py(21KB)
----README.md(7KB)
----Example_HateExplain.ipynb(208KB)
----testing_for_bias.py(11KB)
----Data()
--------post_id_divisions.json(578KB)
--------README.md(3KB)
--------dataset.json(11.69MB)
--------classes_two.npy(352B)
--------classes.npy(248B)
----Preprocess()
--------dataCollect.py(14KB)
--------spanMatcher.py(13KB)
--------__init__.py(0B)
--------utils.py(484B)
--------preProcess.py(8KB)
--------attentionCal.py(5KB)
----Figures()
--------dataset_example.png(79KB)
--------bias-subgroup.pdf(18KB)
--------bias-bnsp.pdf(18KB)
--------bias-bpsn.pdf(18KB)
----testing_with_rational.py(13KB)
----parameters_selection.py(4KB)
----Models()
--------otherModels.py(8KB)
--------__init__.py(0B)
--------utils.py(9KB)
--------bertModels.py(2KB)
--------attentionLayer.py(5KB)