应对仿制者在仇恨言论分类中的不一致问题

仇恨言论检测是关键任务，尤其是在社交媒体上，危害内容可迅速传播。实施机器学习模型自动识别和解决仇恨言论对于减轻其影响并防止其扩散至关重要。开发有效仇恨言论检测模型的第一步是获取高质量的数据集用于训练。标记数据是大多数自然语言处理任务的必需品，但对仇恨言论的分类因其多样且往往是主观的本质，导致仿制者对解释和不一致意见存在分歧。本文检讨了应对仿制者不一致问题的策略，这一问题长期被忽视。特别是，我们评估了在土耳其推文语境下，用于聚合多个标注的各种自动方法。我们的工作凸显了此问题的重要性，并为在线话语中仇恨言论的检测与理解提供了最新的基准结果。