![]() |
ภาพจาก University of Michigan Computer Science and Engineering |
นักวิจัยจาก University of Michigan (U-M) ทำงานร่วมกับเพื่อนร่วมงานที่ Microsoft เพื่อสร้างเครื่องมือสำหรับตรวจจับคำพูดแสดงความเกลียดชังทางออนไลน์โดยการรวมตัวแบบการเรียนรู้เชิงลึกและกลยุทธ์ rules-based แบบดั้งเดิม
แนวทางของ Rule By Example (RBE) "จับคู่กฎเชิงตรรกะที่สามารถอธิบายได้ดีกับ [ตัวอย่างคำพูดแสดงความเกลียดชัง] จากนั้นเข้ารหัสและเรียนรู้กฎเหล่านี้" Christopher Clarke จาก U-M กล่าว
RBE สามารถคาดการณ์และจัดหมวดหมู่คำพูดแสดงความเกลียดชังทางออนไลน์ได้อย่างแม่นยำโดยใช้กฎและตัวเข้ารหัสข้อความเพื่อเรียนรู้ที่แนวโน้ม การฝังเนื้อหาแสดงความเกลียดชังอย่างชัดเจน และกฎพื้นฐานของสิ่งเหล่านั้น
เฟรมเวิร์กยังสร้างความโปร่งใสด้วยการอนุญาตให้ผู้ใช้ดูปัจจัยที่กำหนดความแม่นยำของตัวแบบ RBE มีความแม่นยำมากกว่าตัวแยกประเภทที่เป็นคู่แข่งที่ใกล้เคียงที่สุด 2%
อ่านข่าวเต็มได้ที่: University of Michigan Computer Science and Engineering
ไม่มีความคิดเห็น:
แสดงความคิดเห็น