低资源印度语言的反制言论生成：以孟加拉语和印地语为例

随着在线辱骂的兴起，自然语言处理（NLP）社区已开始研究使用神经架构生成反制言论，以“反击”此类辱骂言论的恶毒语气，并削弱/改善其在社交网络上的连锁效应。然而，迄今为止的大部分努力主要集中在英语上。为了弥补孟加拉语和印地语等低资源语言的差距，我们创建了一个包含5,062对辱骂言论/反制言论的基准数据集，其中2,460对为孟加拉语，2,602对为印地语。我们实现了多个基线模型，考虑了具有不同配置的各种语际迁移机制，以生成合适的反制言论，从而建立一个有效的基准。我们观察到，单语设置产生了最佳性能。此外，通过合成迁移，语言模型可以在一定程度上生成反制言论；具体而言，我们注意到当语言属于同一语系时，可迁移性更好。