Mar, 2018

印度英语混合编码数据的攻击注释语料库

PDF
TL;DR为了防止网络暴力和仇恨言论，本文通过对两个印度最流行的社交媒体平台 Twitter 和 Facebook 上的印地语 - 英语代码混合数据进行注释，开发出一套攻击标签集和注释语料库，以进行进一步的研究和防范。
cyberbullyinghate speechannotationsocial mediaprevention
发现论文，激发创造
  • 开发一个多语言的女性仇恨和侵略性注释语料库

    本文介绍了一个多语言标注的数据集，包含了印度英语，印地语和孟加拉语中的仇恨言论和攻击言论，并描述了数据收集和标注过程中的问题和挑战以及最终实验结果。

    Mar, 2020

  • 英 — 印度混合语语料库：立场注释和基础系统

    本研究使用新的 3545 英汉混合推文数据集，研究了社交媒体用户对 2016 年印度废钞事件的观点，并提出了一个基于各种机器学习技术的监督分类系统，以实现在 10 倍交叉验证下 58.7% 的准确性。

    May, 2018

  • Uli 数据集：基于经验驱动的 oGBV 注释练习

    在线性别暴力与互联网和社交媒体的采用同时增长。它在全球多数国家尤其严重，因为许多用户使用的社交媒体语言不是英语。由于互联网上对话的规模和数量，需要自动检测仇恨言论，尤其是性别虐待。然而，目前缺乏特定语言和语境数据来构建这样的自动化工具。本文介绍了一个关于三种语言 (印地语、泰米尔语和印度英语) 中性别虐待的数据集。该数据集包括在南亚的自称是妇女或 LGBTQIA 群体成员的专家标注的推文，涉及到性别虐待的经历的三个问题。通过这个数据集，我们展示了一种参与性的方法来创建推动 AI 系统的数据集。

    Nov, 2023

  • 混合代码社交媒体文本中跨语言滥用识别

    本文提出了一种针对多语言 Moj 数据集的辱骂识别方法，解决了非英语社交媒体内容中常见的混合码，音译和使用不同文字的额外挑战。

    Mar, 2022

  • 对代码混合的厌女言论进行的探索性数据分析

    通过分析 YouTube 上的 Hinglish 评论数据集，实施预处理和探索性数据分析技术，从情感评分和词云等角度对该数据集的特性进行了深入了解。

    Mar, 2024

  • 印地语和英语言语中的攻击性：声学相关性和自动识别

    本文提供了一项声学分析的研究，旨在讨论政治言论中的声学特征，以及利用该研究开发出的用于识别英语和印地语言中侵略性的自动分类系统。我们训练的分类器使用了超过 50 小时的注释语音，已经取得了超过 73% 到 66% 不同的准确率，在此我们还将讨论分类器的误差。

    Apr, 2022

  • 在社交媒体中检测网络欺凌和网络攻击

    本研究使用机器学习算法对 Twitter 上的滥用行为进行分类，包括网络欺凌和侵略行为，并通过分析用户、网络和文本属性的差异识别出欺负和侵略者。结果表明，该算法能够以超过 90％的准确率和 AUC 分类这些账户。同时，探讨了 Twitter 标记为滥用行为的用户账户的状况，并研究了 Twitter 可能采用的用户封禁机制的效果。

    Jul, 2019

  • 为情感分析准备孟加拉英语混合编码语料库

    本文提出了一种标注了语言和极性标签的孟加拉英语混合语料库，结合规则和监督模型，研发了自动感知分析的混合系统，以降低标注的人工工作量；同时，通过各种测量方法，对这种混合语料库的语言和情感特征进行了定量和定性的评估。

    Mar, 2018

  • 英印混合代码推文语料库用于讽刺检测

    通过英 - 印混合码数据集，我们开发了一个基于随机森林分类器并进行了 10 折交叉验证的基线监督分类系统，该系统可以检测到社交媒体上的文字中的反讽，并标记每个标记的语言标签。该系统平均得分为 78.4%。

    May, 2018

  • Twitter 辱骂行为的大规模众包和特征化

    该研究对 Twitter 上多种形式的虐待行为进行了 8 个月的综合研究，提出了基于众包的增量迭代方法来注释大规模推文集合，最终确定了一组稳健的标签，从而在其收集和注释的 10 万条推文上展示了相关数据的发现和总结。

    Feb, 2018