面向仇恨言论的基于知识支撑的反叙事生成
计算与语言
2021-06-23 v1 计算机与社会
摘要
利用知情的文本回应——称为反叙事（counter narratives）——来应对网络仇恨近来受到关注。相应地，出现了一种自动生成反叙事的研究路线，以促进对仇恨讨论的直接干预并防止仇恨内容进一步传播。然而，当前的神经方法往往产生通用/重复的回应，并缺乏如事实、统计或例子等基于依据的即时证据。此外，这些模型可能生成看似合理但不一定真实的论点。在本文中，我们提出首个完整的知识受限反叙事生成流程，其基于外部知识库，可为对抗网络仇恨提供更丰富的信息内容。连同我们的方法，我们给出一系列实验，表明其在领域内与跨领域设定下生成合适且信息丰富的反叙事的可行性。
引用
@article{arxiv.2106.11783,
title = {Towards Knowledge-Grounded Counter Narrative Generation for Hate Speech},
author = {Yi-Ling Chung and Serra Sinem Tekiroglu and Marco Guerini},
journal= {arXiv preprint arXiv:2106.11783},
year = {2021}
}
备注
To appear in "Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics (ACL): Findings"