构建仇恨言论反击对话数据集的人机协作方法
计算与语言
2022-11-08 v1 计算机与社会
摘要
对抗网络仇恨言论是一项通常借助自然语言处理通过自动检测与删除仇恨内容来应对的挑战。除该方法外，反击叙事已成为 NGO 在社交媒体平台上回应网络仇恨的有效工具。因此，自然语言生成目前正被研究作为自动撰写反击叙事的手段。然而，训练 NLG 模型所需的现有资源仅限于 2 轮交互（一条仇恨言论与一条作为回复的反击叙事），而现实中交互可由多轮构成。本文提出一种用于对话数据收集的混合型方法，其结合了人类专家标注员对使用 19 种不同配置生成的机器对话的介入。本工作的成果是 DIALOCONAN，首个包含超过 3000 段虚构的多轮对话的数据集，对话发生于仇恨发表者与 NGO 操作员之间，涵盖 6 类仇恨目标。
引用
@article{arxiv.2211.03433,
title = {Human-Machine Collaboration Approaches to Build a Dialogue Dataset for Hate Speech Countering},
author = {Helena Bonaldi and Sara Dellantonio and Serra Sinem Tekiroglu and Marco Guerini},
journal= {arXiv preprint arXiv:2211.03433},
year = {2022}
}
备注
To appear in Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing (long paper)