双类提示生成：通过数据增强提升印尼语基于性别的仇恨言论检测
计算与语言
2025-03-07 v1
摘要
在印尼社交媒体中检测基于性别的仇恨言论仍然具有挑战性，原因在于标注数据集有限。虽然二元仇恨言论分类已取得进展，但更细粒度的类别如针对性别的仇恨言论因类别不平衡问题而研究不足。本论文通过比较三种数据增强技术来解决这一差距，用于印尼语基于性别的仇恨言论检测。我们评估了回译、单类提示生成（仅使用仇恨言论样本）以及我们所提出的双类提示生成（同时使用仇恨言论和非仇恨言论样本）。实验表明所有增强方法均提升了分类性能，其中我们的双类方法取得了最佳结果（使用随机森林达到 88.5% 准确率和 88.1% F1 分数）。语义相似性分析表明双类提示生成产生了最具新颖性的内容，而 t-SNE 可视化确认这些样本占据不同的特征空间区域，同时保持了类别特征。我们的结果表明，同时纳入两个类别的样本有助于语言模型生成更多样化且具有代表性的样本，有效解决了专门仇恨言论检测中的数据不足问题。
引用
@article{arxiv.2503.04279,
title = {Dual-Class Prompt Generation: Enhancing Indonesian Gender-Based Hate Speech Detection through Data Augmentation},
author = {Muhammad Amien Ibrahim and Faisal and Tora Sangputra Yopie Winarto and Zefanya Delvin Sulistiya},
journal= {arXiv preprint arXiv:2503.04279},
year = {2025}
}
备注
Accepted to the 8th World Conference on Computing and Communication Technologies (WCCCT 2025)