基于注意力机制的在线骚扰语言类型分类方法

在社交媒体和网络平台时代，Twitter 一直充斥着针对用户（尤其是女性）的辱骂和骚扰。由于这些媒体中用户生成内容数量庞大，监控传统媒体中包含性别歧视和性骚扰的内容比监控 Twitter 等在线社交媒体平台更容易。因此，关于自动检测包含性骚扰或种族主义骚扰内容的研究是一个重要问题，并且可以成为删除这些内容或标记供人工评估的基础。以往的研究侧重于以非常宽泛的术语收集关于性别歧视和种族主义的数据。然而，关注吸引自然语言处理技术的不同类型在线骚扰的研究并不多。在这项工作中，我们提出了一种基于多重注意力的推文中不同类型骚扰检测方法。我们的方法基于循环神经网络（Recurrent Neural Networks），特别是使用了一种深度的、针对分类的多重注意力机制。此外，我们使用回译（back-translation）方法解决了数据不平衡问题。最后，我们基于循环神经网络比较了不同方法。