面向中文攻击性语言检测的跨文化迁移学习

检测攻击性语言是一项具有挑战性的任务。跨不同文化与语言进行泛化则更具挑战：除词汇、句法与语义差异外，在此语境下尤为相关的语用层面如文化规范与敏感度差异巨大。本文以中文攻击性语言检测为目标，旨在考察利用来自不同文化背景（具体而言为韩文与英文）的攻击性语言检测数据进行迁移学习的影响。我们发现，关于何为攻击性内容的特定文化偏见会对语言模型（LMs）的可迁移性产生负面影响，且训练于多元文化数据的 LMs 在中文攻击性语言检测中对不同特征敏感。然而，在少样本学习场景下，我们的研究展示了以有限资源进行非英文攻击性语言检测的良好前景。我们的发现凸显了跨文化迁移学习在改进攻击性语言检测与促进包容性数字空间方面的重要性。