迈向可泛化的仇恨言论检测：关于障碍与解决方案的综述
计算与语言
2021-02-18 v1
摘要
仇恨言论是一类有害的在线内容，其基于个人或群体实际或感知的身份特征（如族裔、宗教和性取向）直接攻击或煽动对其的仇恨。随着在线仇恨言论的增多，将其自动检测作为自然语言处理任务正获得越来越多的关注。然而，直到最近才表明，现有模型对未见数据的泛化能力很差。本综述论文试图总结现有仇恨言论检测模型的可泛化程度，分析仇恨言论模型难以泛化的原因，归纳应对主要障碍的现有尝试，并提出未来研究中改进仇恨言论检测泛化的方向。
引用
@article{arxiv.2102.08886,
title = {Towards generalisable hate speech detection: a review on obstacles and solutions},
author = {Wenjie Yin and Arkaitz Zubiaga},
journal= {arXiv preprint arXiv:2102.08886},
year = {2021}
}