讨厌剧透吗这个AI工具可以为您找到它们

发布时间：2020-04-21 15:49:43 【来源：】

社交媒体是否为您破坏了《复仇者联盟》的残局电影?还是《权力的游戏》一书?来自加利福尼亚大学圣地亚哥分校的一组研究人员正在努力确保不会再次发生这种情况。他们开发了基于AI的系统，可以在书籍和电视节目的在线评论中标记破坏者。

加州大学圣地亚哥分校计算机科学教授Ndapa Nakashole说：“破坏者在Internet上无处不在，在社交媒体上非常普遍。作为互联网用户，我们了解破坏者的痛苦以及破坏者的体验。该论文的资深作者之一。

一些网站允许人们手动标记带有标记的标记，这些标记充当“前方扰流板”警告标志。但这并不总是会发生。因此研究人员希望开发一种由神经网络驱动的人工智能工具，以自动检测扰流板。他们将工具命名为SpoilerNet。

从理论上讲，研究人员希望更好地了解人们如何编写剧透，以及什么样的语言模式和常识将句子标记为剧透。

研究人员将在7月28日至8月2日在意大利佛罗伦萨举行的计算语言学协会2019年年会上介绍他们的发现。研究人员开发的工具可用于构建浏览器扩展程序，以保护人们免遭破坏。

为了训练和测试SpoilerNet，加州大学圣地亚哥分校的团队去寻找包含剧透的句子的大型数据集。扰流板警报!他们没有找到。因此，他们通过收集超过130万本书评人注释的带有剧透标签的书评来创建自己的书。标签包含包含扰流器的句子，并将其隐藏在文本的“查看扰流器”链接后面。评论是从社交网站Goodreads收集的，该网站使人们可以跟踪他们阅读的内容，并与其他读者分享想法和评论。

“据我们所知，这是第一个具有如此规模和如此细粒度的扰流器注释的数据集，”医学博士Mengting Wan说。圣地亚哥加州大学计算机科学专业的学生，也是该论文的第一作者。

研究人员发现，剧透的句子在评论的后半部分趋于集中。但是他们还发现，不同的用户使用不同的标记扰流器标准，并且需要仔细校准神经网络以考虑到这一点。

另外，同一单词在不同上下文中可能具有不同的语义。例如，“绿色”只是一本书评论中的一种颜色，但它可以是重要角色的名称，也可以是另一本书中破坏者的信号。万说，识别和理解这些差异具有挑战性。

研究人员在Goodreads上80%的评论中对SpoilerNet进行了培训，使文本通过多层神经网络运行。该系统可以以89%到92%的精度检测扰流板。

他们还在大约880个电视节目的16,000多个单句评论的数据集上运行SpoilerNet。用于检测扰流板的工具的准确性为74%至80%。

大多数错误来自系统，而系统通常会被那些经常被加载和显示的单词分散注意力，例如谋杀或杀害。

展望未来，Goodreads数据集可以用作训练算法的强大工具，以检测不同类型内容中的破坏者，例如包含破坏者的推文。

上一篇：互联网社区可以教业余爱好者建立个性化政府
下一篇：简单的“智能”玻璃揭示了人工视觉的未来