EMNLPSep, 2021

潜在的仇恨：理解隐含仇恨言论的基准

PDF
TL;DR本文介绍了一种基于理论的隐含仇恨言论分类系统和一个包含细粒度标签的基准语料库来填补现有研究关注的漏洞。研究通过对数据集的系统分析来探讨隐含仇恨言论识别和解释的挑战，并阐述了关键特征。这个数据集将继续作为一个有用的基准，用于理解这个多方面的问题。
hate speechsocial mediaimplicit hate speechtaxonomybenchmark corpus
发现论文，激发创造
  • 网络仇恨：解决在线社交空间中的仇恨言论问题

    该研究论文探讨在线社交平台上仇恨性言论的检测方法，指出基于关键词方法检测的不足，并提出利用自我定义仇恨社区产生的内容作为训练数据的方法，实现了良好的检测性能。

    Sep, 2017

  • MetaHate: 一个用于整合仇恨言论检测努力的数据集

    恶意言论是一种广泛而有害的在线话语形式，通常通过一系列诋毁性的言辞来表现，如令人厌恶的推文和诽谤帖子。本研究旨在解决这一现象，提出了一个全面的元数据集，并对现有的收集进行了详细的研究，以推动更强大和适应性更强的模型的训练，以有效对抗数字领域中恶意言论的动态和复杂性。

    Jan, 2024

  • 仇恨言论：社交媒体上基于目标的语言分析

    本文通过文本语言学和心理语言学分析探讨网络仇恨言论的不同形式，发现两种仇恨言论的语言特征不同，以期深化了解并帮助检测网络仇恨言论。

    Apr, 2018

  • 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

  • 利用弱监督的双路径自举方法识别显式和隐式仇恨言论

    使用弱监督的双路径自举方法，基于大规模无标注数据建立在线仇恨言论检测系统，有效解决了标注偏见和标注成本高昂等问题。在选举前、后和当天收集的大量推文上应用该模型，揭示了煽动性语言的动机和模式。

    Oct, 2017

  • 网络有害言论的多维度识别视角：不只是仇恨

    本文介绍了一种使用多个标签注释恶意在线言论的方法，强调了注释应该是细致、准确的。作者发布了一个高质量的数据集，使用六个标签注释了超过 40,000 条有关移民的推文，在此数据集上训练模型的表现优于基准数据集。

    Oct, 2022

  • 隐含有害内容的目标跨度检测

    通过收集并标注三个主要的暗含仇恨言论数据集（SBIC，DynaHate 和 IHC），我们定义了一个新的任务，旨在识别暗含仇恨言论的目标，并利用人类注释和大型语言模型（LLM）的匹配分数来实现这一目标。实验表明，Implicit-Target-Span 为目标跨度检测方法提供了一个具有挑战性的测试平台。

    Mar, 2024

  • 重新审视仇恨言论基准：从数据筛选到系统部署

    该研究旨在提出一种名为 GOTHate 的数据集，包含了多语言和多主题，并引入内源信号来增强恶意言论检测任务。作者开发出了一种多语言模型 HEN-mBERT，其通过历史、拓扑和范例等内源信号来改善语义分析。实验结果表明，该模型相较于其他模型提升了 2.5% 的整体宏 F1 值和 5% 的恶意言论 F1 值。

    Jun, 2023

  • 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

  • 仇恨言论检测的作者画像

    本文提出了一种基于社区特征的推特用户恶意言论检测方法，实验结果显示该方法在检测恶意言论方面的效果显著优于现有的方法。

    Feb, 2019