巴斯克语与西班牙语反叙事生成：数据创建与评估

反叙事是对仇恨言论的非负面文本回应，旨在化解网络仇恨并减轻其在媒体间的传播。尽管近期在线发布的仇恨言论内容有所增加，但关于自动反叙事生成的研究相对较少，且主要集中在英语上。本文提出了 CONAN-EUS，一个用于反叙事生成的巴斯克语和西班牙语新数据集，通过机器翻译（MT）和专业译后编辑开发而成。作为平行语料库，其与原始英语 CONAN 也平行，从而允许对反叙事的多语言和跨语言自动生成进行新颖研究。我们使用 mT5（一种多语言编码器-解码器模型）进行反叙事生成实验，结果表明，在译后编辑数据上进行训练极大地促进了生成效果，而非仅依赖银标准机器翻译数据。这些结果与定性人工评估的相关性相印证，表明人工修订的训练数据对于生成反叙事的质量仍然至关重要。此外，对于英语和西班牙语等结构相似的语言，多语言数据增强在单语设置基础上改善了结果，但对于巴斯克语这一孤立语言则是不利的。在零样本跨语言评估中也出现了类似发现，其中模型迁移（在英语上微调并在不同目标语言中生成）在西班牙语上优于在机器翻译数据上微调 mT5 的效果，但在巴斯克语上则不然。这为生成模型多语言性的不对称性提供了有趣的见解，该挑战性课题仍有待进一步研究。