仇恨信息：Discord 上青少年生成的仇恨言论对话数据集
计算与语言
2023-09-06 v1
摘要
随着社交媒体的兴起，可观察到仇恨内容也在增加。尽管对仇恨言论的理解和定义各不相同，但平台、社区和立法机构都承认这一问题。因此，青少年是社交媒体中新兴且活跃的用户群体。大多数青少年经历或目睹过网络仇恨言论。自动化仇恨言论分类领域的研究不断上升，并聚焦于偏差、泛化性和性能等方面。为提升泛化性与性能，理解数据中的偏差十分重要。本研究探讨了仇恨言论分类中青少年语言偏差，并通过提供一个现代且匿名化的仇恨言论青少年语言数据集作出贡献，该数据集包含 88.395 条带标注聊天消息。数据集由聊天平台 Discord 的公开可用在线消息组成。约 6.42% 的消息经自主开发的标注方案分类为仇恨言论。对于 35.553 条消息，用户资料提供了年龄标注，作者平均年龄低于 20 岁。
引用
@article{arxiv.2309.01413,
title = {Hateful Messages: A Conversational Data Set of Hate Speech produced by Adolescents on Discord},
author = {Jan Fillies and Silvio Peikert and Adrian Paschke},
journal= {arXiv preprint arXiv:2309.01413},
year = {2023}
}