基于双重对比学习的仇恨言论检测
计算与语言
2023-07-13 v1 人工智能
摘要
仇恨言论在社交媒体上的快速传播通过加剧偏见和伤害他人而影响互联网环境与社会。检测仇恨言论已在自然语言处理领域引起广泛关注。尽管近期工作已对仇恨言论检测有所探讨，该任务仍面临两个固有的未解挑战。第一个挑战在于仇恨言论所传达的复杂语义信息，尤其是其中侮辱性词汇对检测的干扰。第二个挑战是仇恨言论与非仇恨言论的分布不平衡，这可能显著恶化模型性能。为应对这些挑战，我们提出一种新颖的双重对比学习（DCL）框架用于仇恨言论检测。我们的框架联合优化自监督与有监督对比学习损失，以捕捉现有模型所用的词元级情感语义之外的跨度级信息，特别是检测含有辱骂与侮辱性词汇的言论。此外，我们将 focal loss 整合进双重对比学习框架以缓解数据不平衡问题。我们在两个公开英文数据集上开展实验，实验结果表明所提模型优于 SOTA 模型并能精确检测仇恨言论。
引用
@article{arxiv.2307.05578,
title = {Hate Speech Detection via Dual Contrastive Learning},
author = {Junyu Lu and Hongfei Lin and Xiaokun Zhang and Zhaoqing Li and Tongyue Zhang and Linlin Zong and Fenglong Ma and Bo Xu},
journal= {arXiv preprint arXiv:2307.05578},
year = {2023}
}
备注
The paper has been accepted in IEEE/ACM Transactions on Audio, Speech, and Language Processing (TASLP)