使用静态BERT嵌入的仇恨言论检测
计算与语言
2022-01-10 v1 计算机视觉与模式识别
摘要
随着社交媒体平台日益普及，仇恨言论正成为一个主要问题，其表达针对特定群体特征（如性别、宗教或族裔）以传播暴力的辱骂性言论。过去人们习惯于口头发表仇恨言论，而现在随着技术扩张，一些人正蓄意利用社交媒体平台通过发帖、分享、评论等传播仇恨。无论是克赖斯特彻奇清真寺枪击案还是西方针对亚裔的仇恨犯罪，都观察到犯罪者深受线上仇恨文本影响。尽管已有AI系统标记此类文本，但关键挑战之一是降低假阳性率（将非仇恨标记为仇恨），以使这些系统能在不损害表达自由的情况下检测仇恨言论。本文使用ETHOS仇恨言论检测数据集，通过将词嵌入（fastText (FT)、GloVe (GV) 或 FT + GV）替换或结合静态BERT嵌入（BE）来分析仇恨言论检测分类器的性能。大量实验表明，使用静态BE的神经网络性能优于使用FT、GV或FT+GV作为词嵌入。与微调BERT相比，显著改善的一项指标是特异性。
引用
@article{arxiv.2106.15537,
title = {Hate speech detection using static BERT embeddings},
author = {Gaurav Rajput and Narinder Singh punn and Sanjay Kumar Sonbhadra and Sonali Agarwal},
journal= {arXiv preprint arXiv:2106.15537},
year = {2022}
}