Jan, 2017

用于 Tumblr 微博网站基于意图的种族主义 / 激进帖子自动分类的语言属性表征

PDF
TL;DR通过对 Tumblr 微博网站上使用自由文本的语义、情感和语言特征进行鉴别，构建了一个级联集成学习分类器，该分类器可以识别具有种族主义或激进化倾向的帖子，结果表明情感语调、社交倾向、语言线索和人格特征是识别帖子背后种族主义意图的独特特征。
microblogging websitehate speechsocial media intelligenceensemble learning classifierracist intent
发现论文，激发创造
  • 数据扩增语义关系推理在反亚裔仇恨言论检测中的应用

    本研究提出了一种新方法，利用情感话题标记在自然语言推理框架中增强仇恨言论检测，并在实际数据集上证明了其相对于现有表示学习模型的有效性。

    Apr, 2022

  • 基于深度学习的推文中的恶意语言检测

    该论文提出了一种在社交媒体上识别仇恨内容的检测方案，并使用带有用户相关信息的各种特征以及来自文本内容的词频向量输入到一组循环神经网络分类器中，经实验证明该方法的有效性不仅可以成功区分仇恨言论和正常文本，而且分类的准确性也高于现有的最先进算法。

    Jan, 2018

  • 多语言模型在社交媒体上识别冒犯性语言的表现

    本研究旨在使用多种算法测试识别冒犯帖子的能力，并评估其对多种评估方法的性能，以减少这些语言对人工审核者的伤害。通过实验，本项目能够激发对识别方法和内容的未来研究。

    Dec, 2023

  • 在社交媒体上检测仇恨言论

    本文通过使用字符 n-gram、单词 n-gram 和单词 skip-gram 的方法，利用最近发布的 annotated dataset 建立基于词汇的垃圾言论检测任务，并成功实现了 78% 的准确率。研究结果表明，区分垃圾言论和粗俗言论之间的主要难题在于歧视。最后，文章提出了未来的研究方向。

    Dec, 2017

  • 使用深度学习检测在线媒体中的激进文本

    采用深度学习算法检测网络极端化，与现有基于机器学习算法的工作相反，论文提出了一种 LSTM 基于前馈神经网络的方法。通过收集来自各种在线资源的记录并由领域专家进行注释，成功将这些记录分为极端（R）、非极端（NR）和无关（I）三类，并应用于 LSTM 基于网络进行分类，取得了 85.9％的精度。

    Jul, 2019

  • 使用 BERT 监测极端社交媒体上反犹太主义言论的演变

    通过自动化方法和无监督机器学习，从极端社交媒体中提取反犹太主义的主题和术语，以监测其情绪和演变，预防仇恨升级。

    Feb, 2024

  • 关于仇恨言论和辱骂语言检测数据集中的种族偏见问题

    本文研究了五个 Twitter 数据集上使用的基于分类器的识别恶意语言的技术中的种族歧视问题，并在使用这些技术时可能产生的不平等负面影响上发出了警告。

    May, 2019

  • 社交媒体内容算法化审核中被忽视的意图角色

    通过考察自动检测和审查系统的最新发展以及训练数据集的成熟度，探讨了作者意图对于内容审查系统的重要性，并提出了改善自动检测和审查系统以符合道德和政策观念的策略性变革。

    May, 2024

  • 探索边界和强度：揭示社交媒体言论的复杂范围

    使用 8,258 条推特进行标注，该研究创建了一个广泛的 Amharic 基准数据集，用于三个任务：分类、识别仇恨目标和评估冒犯和仇恨的强度。结果显示，仇恨和冒犯性言论无法用简单的二元分类解决，并且在连续数值范围内变量化。Afro-XLMR-large 模型在这些任务中表现出最好的性能，分别达到了 75.30％，70.59％和 29.42％的 F1 分数。Afro-XLMR-large 模型的 80.22％相关系数显示了强大的一致性。

    Apr, 2024

  • 基于大型语言模型提取理由的可解释仇恨言论检测

    为了解决社交媒体中的仇恨言论问题，本文提出使用最新的大型语言模型（LLMs）从文本中提取特征，以训练基于仇恨言论分类器，从而实现设计上的可信解释性。全面评估了多个社交媒体仇恨言论数据集，证明了 LLMs 提取的解释特征的优越性以及实现解释性后依然保持良好性能的惊人结果。

    Mar, 2024