RV-HATE：用于隐式仇恨言论检测的强化多模块投票
计算与语言
2026-04-24 v2 人工智能
摘要
仇恨言论在社会中屡见不鲜，并且以多样化的形式不断演变。近年来，互联网和在线匿名性的进步加速了其传播速度并 complicate its detection。然而，仇恨言论数据集具有多样化的特征，主要是由于来自不同来源和平台，反映出不同的语言风格和社会背景。尽管存在这种多样性，先前的仇恨言论检测研究往往依赖固定的方法，而不针对数据特定的特征进行调整。我们引入 RV-HATE，这是一个专为每个仇恨言论数据集设计以考虑其数据特定特征的检测框架。RV-HATE 由多个专门模块组成，每个模块聚焦于仇恨言论的不同语言或情境特征。该框架采用强化学习来优化确定每个模块对给定数据集贡献权重的权重。随后，投票机制将模块输出汇总以产生最终决策。RV-HATE 提供了两个主要优势：(1) 通过针对数据集特定属性调整检测过程，提高检测准确率；(2) 提供对每个数据集独特特征的可解释性洞察。因此，我们的方法有效解决了隐式仇恨言论问题，显著优于传统静态方法。我们的代码已公开于 https://github.com/leeyejin1231/RV-HATE。
引用
@article{arxiv.2510.10971,
title = {RV-HATE: Reinforced Multi-Module Voting for Implicit Hate Speech Detection},
author = {Yejin Lee and Hyeseon Ahn and Yo-Sub Han},
journal= {arXiv preprint arXiv:2510.10971},
year = {2026}
}
备注
20 pages, 9 figures, ACL 2026