推特上的阿拉伯语攻击性语言:分析与实验

检测推特上的攻击性语言有许多应用,从检测/预测霸凌到衡量极化程度。在本文中,我们专注于构建一个大规模的阿拉伯语攻击性推特数据集。我们引入一种构建不受话题、方言或目标偏置的数据集的方法。我们制作了迄今为止最大的阿拉伯语数据集,并带有粗俗和仇恨言论的特殊标签。我们对该数据集进行了深入分析,以确定哪些话题、方言和性别与攻击性推文最相关,以及阿拉伯语使用者如何使用攻击性语言。最后,我们使用 SOTA 技术进行了大量实验,在该数据集上取得了强劲的结果(F1 = 83.2)。