资源匮乏的阿尔及利亚方言阿拉伯语中的攻击性语言检测
计算与语言
2022-03-21 v1 信息检索
摘要
本文解决了在Facebook评论中检测攻击性和辱骂性内容的问题，我们重点关注作为资源匮乏语言之一的阿尔及利亚方言阿拉伯语。后者具有多种混合了不同语言（即柏柏尔语、法语和英语）的方言。此外，我们处理的是以阿拉伯字母和罗马字母（即Arabizi）书写的文本。由于针对同一语言的研究工作稀缺，我们构建了一个包含超过8.7千条文本的新语料库，这些文本被人工标注为正常、辱骂和攻击性。我们使用最先进的文本分类分类器，即BiLSTM、CNN、FastText、SVM和NB，进行了一系列实验。结果显示性能可接受，但该问题需要进一步研究语言特征以提高识别准确率。
引用
@article{arxiv.2203.10024,
title = {Offensive Language Detection in Under-resourced Algerian Dialectal Arabic Language},
author = {Oussama Boucherit and Kheireddine Abainia},
journal= {arXiv preprint arXiv:2203.10024},
year = {2022}
}
备注
BigDML 2021