ParsCN：面向对抗线上仇恶言论的波斯语反叙事数据集

线上仇恶言论威胁着线上社交的和谐，尤其在资源匮乏和多语言环境中尤为突出。反叙事作为一种承诺性回应仇恶言论的解决方案备受期待。然而，由于缺乏面向资源匮乏语言（如波斯语）的高质量数据，自动化反叙事生成受到阻碍。为填补这一鸿沟，我们引入 ParsCN——首个且最全面的波斯语反叙事数据集。数据集包含 1,100 条仇恶言论与反叙事配对，提供跨六个目标群体和六种反叙事策略的细粒度标注，尊重波斯语线上话语的社会文化语境。我们提出一种新型可扩展的多阶段框架，将文化感知的人类标注与少量学习大语言模型生成相结合，借助语义检索和严格的人工精选。该方法实现了多样化高质量反叙事的生成，同时显著降低标注成本——建立了可复制的面向其他资源匮乏环境的范式。通过全面的人工和自动评估，我们确认了数据集和所生成响应的质量。人工撰写的反叙事在相关性（4.23）、有效性（4.21）、流畅性（4.92）和语气合适性（4.79）方面取得最高分，GPT-4o 和 Claude 的表现也接近。自动评估显示该数据集在语义对齐、词汇多样性和低毒性方面均表现良好。最后，我们在 held-out 测试集上对 mBART 和 PersianMind 进行基准评估。结果表明现有模型在流畅性、文化细微差别和安全性方面仍有不足——这凸显了像 ParsCN 这样针对波斯语的资源的必要性。我们的数据集为推动波斯语反叙事生成研究并构建更安全更包容的数字空间提供了基础基准。