Dec, 2021

FIRE 2021 HASOC 子赛道概观：英语和印度－雅利安语言中的仇恨言论和攻击性内容识别

PDF
TL;DR该研究论文介绍了 HASOC 子轨道，旨在为英语、印地语和马拉地语开发基准数据集，以支持在线平台的内容审核。他们解释了两种分析方法，分别为二元分类和精细分类问题，并提供分类算法的性能结果。
hate speechoffensive contentai toolsdata setsclassification algorithms
发现论文，激发创造
  • FIRE 2020 上 HASOC 赛道概述：印欧语系中的仇恨言论与攻击内容识别

    本文介绍了在社交媒体中迅速增长的仇恨言论现象以及如何使用多语言算法进行检测，其中包括 Hindi、德语和英语等三种语言，使用的数据集是通过机器学习系统对 Twitter 进行分类得到的，并使用了变压器结构 BERT 进行实验。

    Aug, 2021

  • FIRE 2022 中 HASOC 子赛道概述：马拉地语攻击性语言识别

    本文介绍了 HASOC 2022 Marathi subtrack，该 track 提供了来自 Twitter 的手动注释数据集，分别对应三个子任务：Task A - offensive content identification、Task B - categorization of offensive types 和 Task C - offensive target identification。最终，本次比赛共有 10 支团队提交了 59 个结果，最佳表现的算法是采用传统与深度学习的结合，分别在 Subtrack 3A、Subtrack 3B 和 Subtrack 3C 上实现了 F1 值分别为 0.9745、0.9207 和 0.9607。

    Nov, 2022

  • 2023 年 FIRE HASOC 子任务概述：通过跨度检测识别英文明确仇恨相关令牌

    网上仇恨言论的扩散导致了对开发计算方法进行缓解的重要性的不断增加。为了更好地检测具有仇恨性质的文本片段，引入了反应式和主动缓解技术。本研究主要关注在英文推文中检测明确的文本片段，并举办了 HateNorm 项目来进一步促进这一研究领域。

    Nov, 2023

  • 一种简单的、与语言无关的却非常强大的基线系统，用于仇恨言论和攻击性内容的识别

    通过使用基于字符 n-gram 的经典监督算法，SATLab 团队提出了一种自动识别推文中仇恨言论和冒犯性内容的系统，该系统与语言无关。在优化特征加权和分类器参数后，该系统在英语中达到了中等表现水平，在印地语和马拉地语这两种资源较少的语言中表现更好，甚至在这些语言的三项任务中的平均表现要比许多深度学习方法更好。表现表明该方法是一个有趣的参考水平，可用于评估使用更复杂方法（例如深度学习或考虑补充资源）的好处。

    Feb, 2022

  • QutNocturnal@HASOC'19: 印地语中仇恨言论和攻击性内容辨识的 CNN

    我们使用卷积神经网络对预训练的印度语推文进行分类，以识别 Hindi 中的仇恨言论和冒犯性语言。使用相对较小的相关推文集合代替通用领域的大型语料库进行前置向量训练，有效在比赛中取得了第一名，其方法可适用于其他文本分类任务中。

    Aug, 2020

  • AlexU-AIC 参加 2022 阿拉伯语仇恨言论：对比分类

    本篇研究介绍了使用阿拉伯语推特数据集提交阿拉伯语言仇恨言论 2022 共享任务的解决方案。为了解决细粒度仇恨言论检测中过度拟合的问题，研究人员探究了多种训练模式，如对比学习和多任务学习，最终使用分类微调和五种模型的集成，取得了良好的性能。 在子任务 A，B 和 C 中分别实现了 0.841，0.817 和 0.476 的宏 F1 平均分数。

    Jul, 2022

  • 基于特征提取的仇恨言论识别模型

    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

  • HateMonitors：社交媒体语言无关的滥用检测

    本文介绍了我们基于梯度提升机、BERT 和 LASER 嵌入式开发的 HateMonitor 模型，在 Indo-European Languages HASOC（FIRE 2019 的任务之一）中排名第一，用于令人讨厌和令人反感的内容识别。

    Sep, 2019

  • 印度 - 雅利安语言中的仇恨言论和冒犯内容检测：基于 LSTM 和 Transformers 的对抗

    该研究在五种不同语言中展开了对仇恨言论的广泛比较分析，使用多种预训练模型评估其在这些语言中识别仇恨言论的性能，并为多语言环境下构建强大的仇恨言论检测系统提供了有益的见解。

    Dec, 2023

  • 使用修改的交叉熵损失进行多语言仇恨言论和攻击性内容检测

    研究使用大型语言模型 Fine-tune，通过自动化方法识别社交媒体中的仇恨言论和有害内容，团队达到了 2021 年 HASOC 竞赛中英语和印地语任务的最佳结果。

    Feb, 2022