不同类型骚扰的语言分析与学习

免责声明：本文涉及暴力的网络骚扰。为了在足够的现实主义层面上描述该主题，我们收集的推文示例包含在种族、性、政治、外貌和智力骚扰语境下的暴力、威胁、粗俗和仇恨言论。用户生成内容中存在的大量骚扰及其负面影响需要鲁棒的自动检测方法。这要求我们能够识别不同形式或类型的骚扰。早期的工作根据伤害性、辱骂性、情感和亵渎性对骚扰语言进行分类。然而，为了更准确地识别和理解骚扰，确定代表其发生时相互关联条件的语境至关重要。在本文中，我们引入了骚扰的语境类型概念，包含五个类别： 性、 种族、 与外貌相关、 智力和 政治。我们利用来自 Twitter 的标注语料库来区分这些类型的骚扰。为了研究每种类型的语境以阐明其语言含义、解释和分布，我们开展了两条调查路线：广泛的语言学分析和一元语法（unigrams）的统计分布。然后，我们构建了类型感知（type-aware）分类器来自动识别特定类型的骚扰。我们的实验表明，这些分类器在识别和分析社交媒体上的骚扰方面具有竞争力的准确率。我们使用详细的比较设置，对类型感知分类器的有效性进行了广泛的讨论和主要观察，深入探讨了依赖类型的特征的作用。