决策者通常通过报告过程观察事件的发生情况。在城市政府中，例如，依靠居民报告来发现并解决城市基础设施问题，例如树木倒塌、地下室涝水或鼠害问题。在正无标记数据的情况下，没有办法区分已发生但未被报告的事件和真正未发生的事件 - 这是存在基本难题。我们展示了如何充分利用事件的空间相关性来克服这一挑战。我们的框架利用贝叶斯空间潜变量模型推断事件发生的概率，并将其应用于纽约市风暴引发的洪水报告中，进一步汇总多个风暴的结果。我们展示了一个考虑少报告和空间相关性的模型比其他模型更准确地预测未来的报告，并进一步产生了更公平的检查分配：其分配更好地反映了人口情况并为非白人，较低教育水平和低收入居民提供公平的服务。我们的工作为更加公平的积极政府服务奠定了基础，即使报告行为存在差异。

Dec, 2023

通过一个新的自然语言处理任务，从新闻语料库中提取被警察杀害的人员的名字。我们提供了一个新收集的警察致死语料库，并提出一个使用基于 EM 的远程监督与逻辑回归和卷积神经网络分类器解决这个问题的模型。我们的模型性能优于两个现成的事件提取系统，有些情况下能够比一个主要手动收集的警察致死数据库更快地建议候选受害者姓名。

Jul, 2017

本文介绍了 TU Berlin 小组在 2021 年印欧语言仇恨言论与攻击性内容检测共享任务的 1A 和 1B 子任务中采用的不同自然语言处理模型，包括基于循环神经网络的单词和字符级别模型以及基于 Bert 的转移学习方法，并评估了不同模型在比赛中的表现。结果表明，基于转移学习的模型在两个子任务中均取得了最佳结果。

Jan, 2022

本文针对社会科学应用中自动化事件提取依赖于数据集层面的评估，提出了一种具有现实意义的印度警务事件语料库，基于这个语料库通过自然问答方式进行标注并评估现成模型在句子分类、文档排序和时间聚合三个任务上的性能表现。通过这种全新的数据集评估和标注方法，可以为未来类似的社会科学语料库资源的创造指明方向。

May, 2021

通过对现有数据集的新的训练 - 测试分割，我们挑战了仅基于目标和关键词训练、评估仅考虑训练和测试数据之间的分布变化的仇恨言论模型。我们提出了两种分割变体，并使用四个预训练模型应用于两个数据集，揭示了模型在潜在空间中的盲点上的灾难性失败。进一步分析表明，数据分割的表面级属性与性能下降之间没有明确的相关性，这突显了任务的难度不总是容易人类解释的。我们推荐在模型开发中加入基于潜在特征的分割，并通过 GenBench 基准发布了两种分割方案。

Nov, 2023

针对在线仇恨言论的自动检测是 NLP 领域的一个研究热点。本文通过对不同的仇恨言论检测数据集进行微调，分析了数据集通用性的差异，并证明了数据集的组合能够促进强大的仇恨言论检测模型的发展。

Jul, 2023

利用大规模人类流动数据来构建一种可以预测不同类型犯罪在各行政区划内发生年度数量的模型，并提高预测的准确性，并且对主要犯罪类别的预测特征进行了深入分析，为城市政策或执法部门提供了有价值的信息。

Jun, 2018

本文提出了一个包含上下文信息的仇恨言论数据集并提出了两种模型：一个基于逻辑回归模型的模型和一个具有上下文学习组件的神经网络模型。实验表明，这两种模型在 F1 得分方面优于强基线约 3％到 4％，结合这两种模型可进一步提高 7％的 F1 得分。

Oct, 2017

该研究旨在使用多语言数据集进行多语言仇恨言论检测和分类，并通过评估方法和语言无关的嵌入技术提高分类性能。

Jan, 2022

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