ELF22：一个基于语境的反网络喷子数据集用于对抗网络巨魔

网络巨魔（troll）增加了社会成本并对个人造成心理伤害。随着利用机器人进行巨魔行为的自动化账户泛滥，被针对的个人用户在数量与质量上均难以应对。为解决此问题，我们聚焦于自动化反巨魔方法，因为对抗巨魔的反驳回应能够鼓励社区用户在不损害表达自由的情况下维持持续讨论。为此，我们提出一个用于自动反驳生成的新数据集。具体而言，我们构建了一个包含巨魔评论与反驳回应及标注回应策略的配对数据集，使在我们的数据集上微调的模型能够根据指定策略通过改变反驳回应来生成回复。我们开展了三项任务以评估数据集的有效性，并通过自动与人工评价对结果进行了评估。在人工评价中，我们表明在我们数据集上微调的模型在策略可控的句子生成上表现出显著改进的性能。