解码扩散仇恨故事中的虚假叙事：基于双头RoBERTa模型的多任务学习
计算与语言
2025-12-19 v1 人工智能
摘要
社交媒体平台虽然促进了全球连接，却成为快速传播有害内容的中心，包括仇恨言论和虚假叙事 \cite{davidson2017automated, shu2017fake}。Faux-Hate共享任务聚焦于检测特定现象：由虚假叙事驱动的仇恨言论生成，称为Faux-Hate。参赛者被挑战在代码混合的印地语-英语社交媒体文本中识别此类实例。本文描述了为该共享任务开发的系统，旨在解决两个主要子任务：(a) 二分类Faux-Hate检测，涉及虚假和仇恨言论分类，以及(b) 目标和严重程度预测，将仇恨内容的预期目标和严重程度分类。我们的方法结合了先进的自然语言处理技术与领域特定的预训练，以提升两个任务上的性能。该系统取得了具竞争力的结果，表明利用多任务学习解决这一复杂问题的有效性。
引用
@article{arxiv.2512.16147,
title = {Decoding Fake Narratives in Spreading Hateful Stories: A Dual-Head RoBERTa Model with Multi-Task Learning},
author = {Yash Bhaskar and Sankalp Bahad and Parameswari Krishnamurthy},
journal= {arXiv preprint arXiv:2512.16147},
year = {2025}
}
备注
Accepted Paper, Anthology ID: 2024.icon-fauxhate.3, 4 pages, 1 figure, 1 table