Toxicity Detection in Finnish Using Machine Translation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A9IMWTVHD" target="_blank" >RIV/00216208:11320/23:9IMWTVHD - isvavai.cz</a>

Výsledek na webu

<a href="https://aclanthology.org/2023.nodalida-1.68/" target="_blank" >https://aclanthology.org/2023.nodalida-1.68/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Toxicity Detection in Finnish Using Machine Translation

Popis výsledku v původním jazyce

"In this paper, we present novel resources for toxicity detection in Finnish by introducing two new datasets, a machine translated toxicity dataset for Finnish based on the widely used English Jigsaw dataset and a smaller test set of Suomi24 discussion forum comments originally written in Finnish and manually annotated following the definitions of the labels that were used to annotate the Jigsaw dataset. We show that machine translating the training data to Finnish provides better toxicity detection results than using the original English training data and zero-shot cross-lingual transfer with XLM-R, even with our newly annotated dataset from Suomi24."

Název v anglickém jazyce

Toxicity Detection in Finnish Using Machine Translation

Popis výsledku anglicky

"In this paper, we present novel resources for toxicity detection in Finnish by introducing two new datasets, a machine translated toxicity dataset for Finnish based on the widely used English Jigsaw dataset and a smaller test set of Suomi24 discussion forum comments originally written in Finnish and manually annotated following the definitions of the labels that were used to annotate the Jigsaw dataset. We show that machine translating the training data to Finnish provides better toxicity detection results than using the original English training data and zero-shot cross-lingual transfer with XLM-R, even with our newly annotated dataset from Suomi24."

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

—

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

"Proceedings of the 24th Nordic Conference on Computational Linguistics (NoDaLiDa)"

ISBN

978-99-1621-999-7

ISSN

1736-8197

e-ISSN

—

Počet stran výsledku

13

Strana od-do

685-697

Název nakladatele

""

Místo vydání

Tórshavn, Faroe Islands

Místo konání akce

Tórshavn, Faroe Islands

Datum konání akce

1. 1. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—