ArabDiscim：关于阿拉伯语人种主义与歧视的十年阿拉伯语 Facebook 语料库
计算与语言
2026-05-22 v1
摘要
我们提出 ArabDiscim，这是一个涵盖 2014 年至 2024 年共 29.3 万篇公开阿拉伯语 Facebook 帖子的十年词汇资源和语料库，聚焦讨论人种主义与歧视问题。与现有以 Twitter 为中心的数据集不同，ArabDiscim 集成了平台原生的参与度信号，包括表情、分享、评论和页面元数据，支持语言与受众反应的联合分析。该资源包括 200 个精选术语（100 个与人种主义相关和 100 个与歧视相关），带形态学正则表达式族（每个词根 13+ 种变位形式），以及 20 个歧视轴，涵盖基于身份的不平等待遇原因。它还提供了明确的归因模式。ArabDiscim 在受限的研究使用许可证下发布，符合平台条款的伦理合规要求，支持弱监督、轴向感知抽样和平台生态研究。通过连接词汇深度与生态有效性，ArabDiscim 为公平性导向的、面向平台的阿拉伯语 NLP 奠定了基础。
引用
@article{arxiv.2605.22081,
title = {ArabDiscrim: A Decade-Long Arabic Facebook Corpus on Racism and Discrimination},
author = {Wajdi Zaghouani and Shimaa Amer Ibrahim and Mabrouka Bessghaier and Houda Bouamor},
journal= {arXiv preprint arXiv:2605.22081},
year = {2026}
}
备注
Accepted at LREC 2026 Main Conference