社交媒体上激进内容的快速传播促使了对仇恨言论的检测任务的需求，本论文提供了一种构建用于针对性仇恨言论检测的系统的方法，并介绍了一个越南社交媒体文本的针对性仇恨言论检测数据集，并结合预训练语言模型与基于文本表征的 Bi-GRU-LSTM-CNN 模型建立了基线模型，最终提出了一种方法将该模型整合至在线流媒体系统，以在社交媒体上防止令人讨厌和冒犯性内容的实际应用。

Apr, 2024

在越南这一领域中，滥用在各种形式上，包括身体、心理、言语、性、财务和文化上，对心理健康产生负面影响。然而，在应用自然语言处理（NLP）方面，关于这个领域的研究还非常有限。因此，我们的目标是通过构建一个越南人标注的数据集，来检测越南叙事文本中的滥用内容。我们从越南受欢迎的在线报纸 VnExpress 中获取了这些文本，读者经常分享包含滥用内容的故事。在数据集创建过程中，识别和分类这些文本中的滥用内容面临着重大挑战，但也激发了我们的研究兴趣。我们尝试了轻量级的基准模型，通过冻结 PhoBERT 和 XLM-RoBERTa，使用它们的隐藏状态在 BiLSTM 中评估数据集的复杂性。根据我们的实验结果，PhoBERT 在标记和未标记的滥用内容检测任务中表现优于其他模型。这些结果表明，它在未来有改进的潜力。

Dec, 2023

本研究利用先进的预处理技术和多种实验验证，提出一种基于 PhoBERT 和 Text-CNN 模型的 HSD 模型来检测越南社交媒体上的仇恨言论，在应对数据不平衡的同时提高了分类模型的性能，通过实验结果验证，该模型在 ViHSD 和 HSD-VLSP 等数据集上获得了更高的 F1 得分，并且进一步构建了一种实用的流媒体应用程序以演示其实用性。

Jun, 2022

本文针对社交媒体上孟加拉语仇恨言论检测的挑战，通过众包标注和专家验证构建了一个包含 30,000 条用户评论的数据集，并利用多个深度学习模型对其进行了实验。结果表明将 SVM 用于该数据集能够获得 87.5% 的准确率，该数据集将推动孟加拉语仇恨言论检测领域的未来研究机会。

Dec, 2020

本研究提出了一种基于 BiLSTM-CRF 的新颖系统，利用收集的词汇和语境特征，针对基于方面的情感分析中的波及用户观点的判定问题，利用越南语语言数据集进行评估，最终实现了 62.76% 的 F1 分数的最优解。

Oct, 2021

本文介绍了在 Vietnamese Language and Speech Processing（VLSP）2019 研讨会上，关于从 Facebook 上提取出的越南文本项目（即信息）中检测仇恨言论细微的存在的 “HateSpeech Detection”（HSD）任务的组织，是一个基于包含 25,431 个越南文本项的大规模数据集的多类别分类任务。该任务吸引了大量的参与者，并成为 VLSP 2019 的热门任务。

Jul, 2020

本文旨在确定韩语毒性言论，提供了相关数据集，并使用 CharCNN、BiLSTM 和 BERT 三种模型进行分析和预测，结果显示 BERT 在所有任务中表现最佳。

May, 2020

在本文中，我们使用越南自然语言处理中的 PhoBERT 等最先进的迁移学习模型，提出了一个用于建设性和有毒言论检测的系统，并使用 10000 个人工注释的评论创建了一个名为 UIT-ViCTSD 的数据集，从而解决了社交媒体评论质量低下和有害性问题。

Mar, 2021

我们引入了基于 T5 架构的 ViHateT5 模型，该模型在我们提出的大规模领域特定数据集 VOZ-HSD 上进行了预训练，通过利用文本到文本架构的优势，ViHateT5 可以使用统一的模型处理多个任务，并在越南语的所有标准 HSD 基准测试中实现最先进的性能。

May, 2024

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