社交媒体平台上有毒内容的普遍性，例如仇恨言论，冒犯性语言和厌女症，给我们的相互联系的社会带来了严重的挑战。这些具有挑战性的问题引起了自然语言处理（NLP）社区的广泛关注。在本文中，我们将提交的系统介绍给第一个阿拉伯语厌女症识别共享任务。我们研究了三个多任务学习模型及其单任务。为了编码输入文本，我们的模型依赖于预先训练的Marbert语言模型。总体获得的结果表明，我们所有提交的模型均在厌女症识别和分类任务中取得了最佳性能（排名前三的提交）。
translated by 谷歌翻译
联合学习（FL）使多个设备能够在不共享其个人数据的情况下协作学习全局模型。在现实世界应用中，不同的各方可能具有异质数据分布和有限的通信带宽。在本文中，我们有兴趣提高FL系统的通信效率。我们根据梯度规范的重要性调查和设计设备选择策略。特别是，我们的方法包括在每个通信轮中选择具有最高梯度值的最高规范的设备。我们研究了这种选择技术的收敛性和性能，并将其与现有技术进行比较。我们用非IID设置执行几个实验。结果显示了我们的方法的收敛性，与随机选择比较的测试精度相当大。
translated by 谷歌翻译