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

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。

Sep, 2021

在网络上出现各种仇恨、虐待和粗鄙的言辞。我们建立了一个名为 Muted 的系统，通过使用热图显示攻击性论点及其目标的强度，来识别多语种的仇恨言辞内容。Muted 可以利用任何基于 Transformer 的仇恨分类模型及其注意机制来直接识别有害片段，无需进一步微调。此外，我们使用 spaCy 库来识别注意热图预测的词语的具体目标和论点。我们展示了该模型在识别现有数据集中的攻击性片段及其目标方面的性能，并在德语文本上提供了新的注释。最后，我们展示了我们提出的多语种输入的可视化工具。

Dec, 2023

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

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

本文研究仇恨言论如何根据目标身份在系统性方面变化。我们发现，针对特定身份群体的仇恨言论分类器很难推广到其他目标身份，而且发现与特定身份有关的仇恨言论中的单词通常涉及到刻板印象，压迫历史，社会运动和其他特定身份的社会背景。

Oct, 2022

本文是一篇关于社交媒体上仇恨言论的系统性量化研究，使用了 Whisper 和 Twitter 两个社交媒体平台，采用一种新的方法来识别和分析仇恨言论的目标，旨在为防范和识别社交媒体上的仇恨言论提供方向。

Mar, 2016

本研究提出了一种新方法，利用情感话题标记在自然语言推理框架中增强仇恨言论检测，并在实际数据集上证明了其相对于现有表示学习模型的有效性。

Apr, 2022

通过对针对性别少数群体的仇恨言论的具体例子，本文分析了仇恨言论检测所面临的问题，并提出了一个以数据为中心的综合框架，以跨七个广泛的维度来概括数据创建流程，同时指出实践者将从按照该框架来创建未来的仇恨言论数据集中获益。

Sep, 2023

机器学习（ML）基于内容审查工具对保持在线空间的免受仇恨性沟通至关重要。然而，ML 工具的能力仅取决于其所训练的数据的质量。虽然越来越多的证据表明它们在检测针对特定身份的仇恨性沟通方面表现不佳，并可能对其进行歧视，但我们对此类偏见的来源了解甚少。为了填补这一空白，我们对过去十年中引入的用于自动检测仇恨性沟通的数据集进行了系统回顾，并就数据集中所包含的个体身份质量进行了分析，这些身份是数据策划者关注的仇恨性沟通目标以及不经意间被包含在数据集中的身份。总体而言，我们发现了对选择的目标身份存在偏向的代表性和研究概念化和最终包含在数据集中的目标之间的不匹配。然而，通过将这些发现与数据集的语言和来源地背景进行联系，我们强调了这一研究领域向广泛化和多样化的积极趋势。

May, 2024