Russian Sensitive Topics

🚀 敏感トピック分類モデル

このモデルは、ロシア語の敏感トピックのデータセットを用いて学習されています。敏感トピックの概念については、この記事で説明されており、この記事はEACL - 2021会議のBalto - Slavic NLPワークショップで発表されました。なお、この記事ではデータセットの第1版が記載されていますが、モデルは拡張版のデータセットを用いて学習されており、この拡張版は我々のGitHubまたはkaggleでオープンソース化されています。データセットの特性は記事で説明されているものと同じで、唯一の違いはサイズです。

🚀 クイックスタート

このモデルは、記事で説明されている18の敏感トピックの組み合わせを予測します。モデルの使用方法のステップバイステップの説明は、こちらで見ることができます。

✨ 主な機能

• ロシア語の敏感トピックのデータセットを用いた学習
• 18の敏感トピックの組み合わせを予測

📚 ドキュメント

モデルの概要

このモデルは、ロシア語の敏感トピックのデータセットを用いて学習されています。敏感トピックの概念については、この記事で説明されています。

使い方

モデルは、記事で説明されている18の敏感トピックの組み合わせを予測します。使用方法の詳細な手順は、こちらで確認できます。

メトリクス

データセットには、一部が手動でラベル付けされたサンプルと、一部が半自動でラベル付けされたサンプルが含まれています。詳細は我々の記事を参照してください。分類器の性能は、手動でラベル付けされたデータの一部のみでテストされているため、一部のトピックはテストセットに十分に表されていません。

📄 ライセンス

このモデルは、[Creative Commons Attribution - NonCommercial - ShareAlike 4.0 International License][cc - by - nc - sa]の下で提供されています。

[![CC BY - NC - SA 4.0][cc - by - nc - sa - image]][cc - by - nc - sa]

[cc - by - nc - sa]: http://creativecommons.org/licenses/by - nc - sa/4.0/ [cc - by - nc - sa - image]: https://i.creativecommons.org/l/by - nc - sa/4.0/88x31.png

引用

このリポジトリが役立った場合、以下のように引用してください。

@inproceedings{babakov-etal-2021-detecting,
    title = "Detecting Inappropriate Messages on Sensitive Topics that Could Harm a Company{'}s Reputation",
    author = "Babakov, Nikolay  and
      Logacheva, Varvara  and
      Kozlova, Olga  and
      Semenov, Nikita  and
      Panchenko, Alexander",
    booktitle = "Proceedings of the 8th Workshop on Balto-Slavic Natural Language Processing",
    month = apr,
    year = "2021",
    address = "Kiyv, Ukraine",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2021.bsnlp-1.4",
    pages = "26--36",
    abstract = "Not all topics are equally {``}flammable{''} in terms of toxicity: a calm discussion of turtles or fishing less often fuels inappropriate toxic dialogues than a discussion of politics or sexual minorities. We define a set of sensitive topics that can yield inappropriate and toxic messages and describe the methodology of collecting and labelling a dataset for appropriateness. While toxicity in user-generated data is well-studied, we aim at defining a more fine-grained notion of inappropriateness. The core of inappropriateness is that it can harm the reputation of a speaker. This is different from toxicity in two respects: (i) inappropriateness is topic-related, and (ii) inappropriate message is not toxic but still unacceptable. We collect and release two datasets for Russian: a topic-labelled dataset and an appropriateness-labelled dataset. We also release pre-trained classification models trained on this data.",
}