利用情感知识提升跨领域仇恨语音检测的泛化能力
计算与语言
2023-12-19 v2 人工智能
摘要
可靠的自动仇恨语音(HS)检测系统必须适应不断涌入的多样化新数据以遏制仇恨语音。然而，仇恨语音检测系统通常缺乏识别与训练数据不同的仇恨语音的泛化能力，阻碍了其在真实部署中的鲁棒性。在本工作中，我们提出了一种仇恨语音泛化框架，该框架在多任务架构中利用情感知识，以提升跨领域设置下仇恨语音检测的泛化能力。我们考察了具有不同情感类别范围的情感语料库，以确定为培养泛化仇恨语音检测提供情感知识的最佳语料库范围。我们进一步评估了使用针对仇恨语音调整的预训练Transformers模型及其对我们情感增强的仇恨语音泛化模型的影响之间的关系。我们在来自不同在线领域的六个公开可用数据集上进行了大量实验，结果表明，根据F1度量，我们的情感增强HS检测泛化方法在跨领域评估中展现出持续的泛化改进，将泛化性能提升高达18.1%，平均跨领域性能提升高达8.5%。
引用
@article{arxiv.2311.14865,
title = {Improving Cross-Domain Hate Speech Generalizability with Emotion Knowledge},
author = {Shi Yin Hong and Susan Gauch},
journal= {arXiv preprint arXiv:2311.14865},
year = {2023}
}
备注
Accepted to Pacific Asia Conference on Language, Information and Computation (PACLIC 37)