构建用于研究侮辱性语言的多模态图像与文本数据集
计算与语言
2020-05-06 v1
摘要
为了研究在线仇恨言论，包含相关语言现象的数据集的可用性至关重要。然而，当涉及特定目标群体（例如青少年）时，由于同意和隐私限制等问题，收集此类数据可能存在问题。此外，尽管此类纯文本数据集已被广泛使用，但像 Instagram 这样基于图像的社交媒体平台所设置的限制，使得研究人员难以对多模态仇恨言论数据进行实验。因此，我们开发了 CREENDER，一个已在课堂中使用的标注工具，用于创建一个多模态的图像和侮辱性评论数据集，并在 Apache 2.0 许可下免费提供。该语料库包含意大利语评论，已从不同角度进行分析，以研究图像主题是否在触发评论方面发挥作用。我们发现，用户以不同方式评判相同的图像，尽管图片中人物的存在会增加收到攻击性评论的概率。
引用
@article{arxiv.2005.02235,
title = {Creating a Multimodal Dataset of Images and Text to Study Abusive Language},
author = {Alessio Palmero Aprosio and Stefano Menini and Sara Tonelli},
journal= {arXiv preprint arXiv:2005.02235},
year = {2020}
}