Logo
Benutzer: Gast  Login
Autoren:
Seemann, Nina; Lee, Yeong Su; Höllig, Julian; Geierhos, Michaela 
Dokumenttyp:
Zeitschriftenartikel / Journal Article 
Titel:
The problem of varying annotations to identify abusive language in social media content 
Zeitschrift:
Natural Language Engineering 
Jahrgang:
29 
Heftnummer:
Jahr:
2023 
Seiten von - bis:
1561-1585 
Sprache:
Englisch 
Stichwörter:
Natural Language Processing ; Abusive Language ; Dataset Analysis 
Abstract:
With the increase of user-generated content on social media, the detection of abusive language has become crucial and is therefore reflected in several shared tasks that have been performed in recent years. The development of automatic detection systems is desirable, and the classification of abusive social media content can be solved with the help of machine learning. The basis for successful development of machine learning models is the availability of consistently labeled training data. But a...    »
 
ISSN:
1351-3249 ; 1469-8110 
Fakultät:
Fakultät für Informatik 
Institut:
INF 7 - Institut für Datensicherheit 
Professur:
Geierhos, Michaela 
(Forschungs)einrichtung UniBw M:
CODE 
Open Access ja oder nein?:
Ja / Yes 
Art der OA-Lizenz:
CC BY-NC-SA 4.0 
Sonstige Angaben:
Die Veröffentlichung wurde finanziell unterstützt durch die Universität der Bundeswehr München (Publish-and-Read-Vertrag).