不要抹除，要告知！文化遗产馆藏中有害语言的检测与语境化
计算与语言
2025-06-02 v1
摘要
文化遗产（CH）数据蕴含着无价的知识，反映了社会的历史、传统和身份认同，并塑造了我们对过去和现在的理解。然而，许多 CH 馆藏包含反映历史偏见的过时或冒犯性描述。由于任务的庞大规模和复杂性，CH 机构（CHIs）在整理这些数据时面临重大挑战。为了解决这个问题，我们开发了一种 AI 驱动的工具，可以检测 CH 元数据中的冒犯性术语，并为其历史背景和当代认知提供语境化见解。我们利用与边缘化社区、研究人员和 CH 专业人士共同创建的多语言词汇表，结合传统的 NLP 技术和大型语言模型（LLM）。该工具作为独立的 Web 应用程序提供，并与主要的 CH 平台集成，已处理超过 790 万条记录，对其元数据中检测到的争议性术语进行了语境化。我们的方法不是抹除这些术语，而是寻求告知，使偏见可见，并为创建更具包容性和可访问性的 CH 馆藏提供可操作的见解。
引用
@article{arxiv.2505.24538,
title = {Don't Erase, Inform! Detecting and Contextualizing Harmful Language in Cultural Heritage Collections},
author = {Orfeas Menis Mastromichalakis and Jason Liartis and Kristina Rose and Antoine Isaac and Giorgos Stamou},
journal= {arXiv preprint arXiv:2505.24538},
year = {2025}
}