Colección SciELO Chile

Departamento Gestión de Conocimiento, Monitoreo y Prospección
Consultas o comentarios: productividad@anid.cl
Búsqueda Publicación
Búsqueda por Tema Título, Abstract y Keywords



ANDES at SemEval-2020 Task 12: A jointly-trained BERT multilingual model for offensive language detection
Indexado
Scopus SCOPUS_ID:85094717369
DOI
Año 2020
Tipo

Citas Totales

Autores Afiliación Chile

Instituciones Chile

% Participación
Internacional

Autores
Afiliación Extranjera

Instituciones
Extranjeras


Abstract



This paper describes our participation in SemEval-2020 Task 12: Multilingual Offensive Language Detection. We jointly-trained a single model by fine-tuning Multilingual BERT to tackle the task across all the proposed languages: English, Danish, Turkish, Greek and Arabic. Our single model had competitive results, with a performance close to top-performing systems in spite of sharing the same parameters across all languages. Zero-shot and few-shot experiments were also conducted to analyze the transference performance among these languages. We make our code public for further research.

Disciplinas de Investigación



WOS
Sin Disciplinas
Scopus
Sin Disciplinas
SciELO
Sin Disciplinas

Muestra la distribución de disciplinas para esta publicación.

Publicaciones WoS (Ediciones: ISSHP, ISTP, AHCI, SSCI, SCI), Scopus, SciELO Chile.

Colaboración Institucional



Muestra la distribución de colaboración, tanto nacional como extranjera, generada en esta publicación.


Autores - Afiliación



Ord. Autor Género Institución - País
1 Pérez, Juan Manuel - Universidad de Buenos Aires - Argentina
2 Arango, Aymé - Universidad de Chile - Chile
3 Luque, Franco M. - Universidad Nacional de Córdoba - Argentina

Muestra la afiliación y género (detectado) para los co-autores de la publicación.

Financiamiento



Fuente
Universidad Nacional de Córdoba

Muestra la fuente de financiamiento declarada en la publicación.

Agradecimientos



Agradecimiento
This material was supported by the Millennium Institute for Foundational Research on Data (IMFD) and by a research grant from SeCyT, Universidad Nacional de Cordoba.

Muestra la fuente de financiamiento declarada en la publicación.