面向多标签分类的韩语在线仇恨言论数据集：社会科学如何改进仇恨言论数据集？
计算与语言
2022-04-11 v2 计算机与社会
摘要
我们提出了一个多标签韩语在线仇恨言论数据集，涵盖七类仇恨言论：（1）种族与国籍，（2）宗教，（3）地域主义，（4）年龄歧视，（5）厌女症，（6）性少数群体，以及（7）男性。我们的35K数据集包含24K条在线评论，其Krippendorff's Alpha标签一致性为.713，2.2K条来自维基百科的中性句子，1.7K条通过“人在回路”程序生成的额外标注句子，以及7.1K条规则生成的中性句子。基于24K初始数据集的基础模型达到了LRAP .892的准确率，但在与11K额外数据结合后提升至.919。与传统的仇恨与非仇恨二元划分方法不同，我们设计了一个兼顾文化和语言背景的数据集，以克服基于西方文化的英文文本的局限性。因此，本文不仅限于呈现一个本地仇恨言论数据集，更延伸为一份基于社会科学视角，构建具有多元文化背景的更通用仇恨言论数据集的指南。
引用
@article{arxiv.2204.03262,
title = {Korean Online Hate Speech Dataset for Multilabel Classification: How Can Social Science Improve Dataset on Hate Speech?},
author = {TaeYoung Kang and Eunrang Kwon and Junbum Lee and Youngeun Nam and Junmo Song and JeongKyu Suh},
journal= {arXiv preprint arXiv:2204.03262},
year = {2022}
}
备注
12 pages, 3 tables