SIGIR大会聚焦包容性AI技术突破

本文介绍了某中心访问学者在SIGIR 2021大会上分享的多语言仇恨言论检测和灾害应急响应技术。通过跨语言嵌入和领域特定词向量训练,实现了西班牙语仇恨言论识别和地震感知强度自动评估系统,为构建更安全的网络社区和灾害管理提供了技术方案。

某中心参与SIGIR:迈向更具包容性的人工智能

某中心访问学者、智利大学计算机科学副教授Barbara Poblete致力于构建更安全、更多样化的在线社区,并助力灾害应急响应工作。

包容性倡议

作为ACM信息检索特别兴趣小组年度会议的博士联盟和多元平等包容委员会联合主席,Poblete自2019年委员会成立以来一直积极参与相关工作。“我们制定了SIGIR会议的指导方针,这份’包容性清单’有助于使会议更具包容性。”

多语言仇恨言论检测

Poblete的研究重点是通过机器学习技术为不同语言社区提供服务。“现有研究大多以英语为中心,这给非英语国家造成了技术鸿沟。“其团队通过数据集增强、领域特定嵌入训练等方法,解决了不同国家仇恨言论词汇存在的文化和语言差异问题。

灾害应急响应技术

研究团队开发的twicalli.cl网站利用机器学习模型自动处理推文,可实时评估地震感知强度。“该系统已被智利国家地震中心用于应急管理,能在30分钟内完成传统方法需要数天的人工评估。”

跨领域技术迁移

当前研究重点在于区分危机相关信息与噪声信息。通过训练灾害特定词嵌入模型,探索将地震检测技术迁移至飓风、洪水等新型灾害的可行性,为应急准备工作提供技术支持。

comments powered by Disqus
使用 Hugo 构建
主题 StackJimmy 设计