ChildGuard：针对针对儿童定向仇恨言论的专用数据集
计算与语言
2025-07-29 v2 声音
音频与语音处理
摘要
针对儿童的仇恨言论在社交媒体上是一项严重且日益严重的问题，但现有NLP系统在检测方面效果不佳。这一差距主要是因为现有数据集聚焦成人，缺乏年龄特定标签，遗漏细微语言线索，且数据规模往往不足以支撑稳健的建模。为此，本文引入ChildGuard，首个专注于针对儿童仇恨言论的大规模英文数据集。它包含351,877个来自X（前身为Twitter）、Reddit和YouTube的标注实例，按三个年龄组标注：幼儿（11岁以下）、初中生（11-12岁）和青少年（13-17岁）。数据集分为两个子集用于细粒度分析：情境子集（157K）侧重话语层面特征，词汇子集（194K）侧重词汇层面的情感和词汇。对ChildGuard上先进仇恨言论模型进行基准测试显示，性能显著下降，凸显了检测儿童定向仇恨言论的挑战。
引用
@article{arxiv.2506.21613,
title = {ChildGuard: A Specialized Dataset for Combatting Child-Targeted Hate Speech},
author = {Gautam Siddharth Kashyap and Mohammad Anas Azeez and Rafiq Ali and Zohaib Hasan Siddiqui and Jiechao Gao and Usman Naseem},
journal= {arXiv preprint arXiv:2506.21613},
year = {2025}
}
备注
Updated Version