我们中的敌人：基于威胁性'他者化'语言嵌入的仇恨言论检测
计算与语言
2018-03-09 v3 社会与信息网络
摘要
针对基于个人特征的个人和社会群体的攻击性或对抗性语言（亦称网络仇恨言论或 cyberhate）已频繁发布并通过万维网广泛传播。这可视为与地区不稳定相关的个人与社会紧张的关键风险因素。自动化的基于 Web 的网络仇恨检测对于观察和理解社区与地区社会紧张至关重要——尤其在在线社交网络中，帖子可被迅速且广泛地查看与传播。尽管以往工作涉及使用词典、词袋或概率语言解析方法，它们常受一个类似问题困扰：网络仇恨可能微妙且间接——因此依赖单个词或短语的出现会导致大量假阴性，从而不准确地表征网络仇恨的趋势。该问题促使我们挑战关于微妙语言使用表征的思维，例如仇恨语境下对来自'他者'（包括移民或就业繁荣）的感知威胁的提及。我们提出一种新颖框架，利用围绕'他者化'概念的语言使用与群际威胁理论来识别这些微妙之处，并实现了一种基于嵌入学习计算被视为'他者化'叙事一部分的词性间语义距离的新分类方法。为验证我们的方法，我们在不同类型的网络仇恨（即宗教、残疾、种族和性取向）上进行了若干实验，应用我们的模型所得仇恨实例分类的 F-measure 分数分别为 0.93、0.86、0.97 和 0.98，较最先进水平在分类器准确率上提供了显著提升。
引用
@article{arxiv.1801.07495,
title = {The Enemy Among Us: Detecting Hate Speech with Threats Based 'Othering' Language Embeddings},
author = {Wafa Alorainy and Pete Burnap and Han Liu and Matthew Williams},
journal= {arXiv preprint arXiv:1801.07495},
year = {2018}
}