DeepHate:基于多面文本表示的仇恨言论检测
计算与语言
2021-03-23 v1 社会与信息网络
摘要
网络仇恨言论是一个重要问题,它破坏了在线社交社区的凝聚力,甚至在我们社会中引发公共安全担忧。受此上升趋势推动,研究者已开发许多传统机器学习与深度学习方法,以自动检测在线社交平台中的仇恨言论。然而,这类方法大多仅考虑单一类型文本特征,例如词频或词嵌入。此类方法忽视了其他可用于改进仇恨言论检测的丰富文本信息。本文中,我们提出 DeepHate,一种结合词嵌入、情感与主题信息等多面文本表示的新型深度学习模型,以检测在线社交平台中的仇恨言论。我们进行了充分实验,并在三个大型公开可用真实数据集上评估 DeepHate。实验结果表明,DeepHate 在仇恨言论检测任务上优于最先进的基线。我们还进行案例研究,以洞察最有助于检测在线社交平台中仇恨言论的显著特征。
引用
@article{arxiv.2103.11799,
title = {DeepHate: Hate Speech Detection via Multi-Faceted Text Representations},
author = {Rui Cao and Roy Ka-Wei Lee and Tuan-Anh Hoang},
journal= {arXiv preprint arXiv:2103.11799},
year = {2021}
}
备注
Paper Accepted for 12th International ACM Conference on Web Science