通过多模态表征学习应对多方对话中的反社会行为
计算与语言
2025-10-21 v1
摘要
社交媒体上的反社会行为（ASB）——包括仇恨言论、骚扰和网络欺凌——对平台安全和社会福祉构成日益严峻挑战。既有研究主要聚焦于 X 和 Reddit 等网络，而「多方对话情境」鲜有涉足，因数据匮乏。为填补这一空白，我们采用法语开放访问数据集 CyberAgressionAdo-Large 模拟 ASB 的多方对话情境，评估三项任务：「滥用检测」、「欺凌行为分析」和「欺凌同伴群体识别」。我们对比六种基于文本的和八种基于图的「表征学习方法」，分析词汇线索、互动动态及其多模态融合。结果表明，多模态模型优于单模态基线。采用 late fusion 模型 mBERT + WD-SGCN 在滥用检测（0.718）上取得最佳表现，并在同伴群体识别（0.286）和欺凌分析（0.606）上取得竞争成绩。错误分析凸显其处理细微 ASB 现象（如隐性攻击、角色转变、情境依赖性敌意）的有效性。
引用
@article{arxiv.2510.17289,
title = {Addressing Antisocial Behavior in Multi-Party Dialogs Through Multimodal Representation Learning},
author = {Hajar Bakarou and Mohamed Sinane El Messoussi and Anaïs Ollagnier},
journal= {arXiv preprint arXiv:2510.17289},
year = {2025}
}