Explain Thyself Bully：借助情感分析的带解释网络欺凌检测

随着各种社交媒体网络和在线通讯应用的普及，网络欺凌已成为一个重大问题。虽然大量研究致力于开发更好的单语网络欺凌检测模型，但针对语码混合语言和网络欺凌可解释性方面的研究却很少。像《通用数据保护条例》中的“解释权”这样的最新法律，激发了对开发可解释模型而非仅关注性能的研究。受此激励，我们开发了首个名为{\em mExCB}的可解释多任务模型，用于从语码混合语言中自动检测网络欺凌，该模型能同时解决多个任务：网络欺凌检测、解释/理由识别、目标群体检测和情感分析。我们推出了{\em BullyExplain}，这是首个用于语码混合语言可解释网络欺凌检测的基准数据集。{\em BullyExplain}数据集中的每篇帖子都标注了四个标签，即{\em 欺凌标签、情感标签、目标和理由（可解释性）}，即哪些短语导致该帖子被标注为欺凌。所提出的基于 CNN 和 GRU 并具有词级和子句 (SS) 级注意力的多任务框架 (mExCB)，在应用于{\em BullyExplain}数据集时，能够优于多个基线和最先进 (SOTA) 模型。